Leena Eskelinen, Jacob Seier Petersen og Iben Bolvig · 2018. 1. 5. · Leena Eskelinen, Jacob...

Leena Eskelinen, Jacob Seier Petersen og Iben Bolvig

Profilering af ledige

Analyse af profileringsværktøjer i fire lande

Profilering af ledige – Analyse af profileringsværktøjer i fire

lande kan hentes fra hjemmesiden www.kora.dk

© KORA og forfatterne

Mindre uddrag, herunder figurer, tabeller og citater, er tilladt

med tydelig kildeangivelse. Skrifter, der omtaler, anmelder,

citerer eller henviser til nærværende, bedes sendt til KORA.

© Omslag: Mega Design og Monokrom

Udgiver: KORA

ISBN: 978-87-7509-812-5

Projekt: 10897

2015

KORA

Det Nationale Institut for

Kommuners og Regioners Analyse og Forskning

KORA er en uafhængig statslig institution, hvis formål er at

fremme kvalitetsudvikling samt bedre ressourceanvendelse

og styring i den offentlige sektor.

Forord

STAR, Styrelsen for Arbejdsmarked og Rekruttering, har bedt KORA, Det Nationale Institut

for Kommuners og Regioners Analyse og Forskning, om at udarbejde en praksisorienteret

beskrivelse af udvalgte profileringsværktøjer på beskæftigelsesområdet. På baggrund af et

indledende litteraturbaseret review af de eksisterende profileringsværktøjer blev fire lande,

Australien, Irland, Sverige og Tyskland, udvalgt til en uddybende analyse.

Rapporten består af to dele, et review af udvalgte internationale profileringsværktøjer (kapi-

tel 3) og en uddybende analyse af ovennævnte fire landes profileringsværktøjer (kapitel 4).

Sidstnævnte udgør hovedparten af den samlede rapport.

Det samlede projekt er gennemført i perioden oktober 2014 – februar 2015.

Vi siger tak til vores kontaktpersoner og informanter i de fire lande. De har på afgørende vis

bidraget til beskrivelsen af de enkelte landes profileringsværktøjer og -praksis ved at dele

deres erfaringer med os.

Rapporten er udarbejdet af docent, lic.phil. Leena Eskelinen, projektleder, cand.scient.pol.

Jacob Seier Petersen og seniorforsker, ph.d. Iben Bolvig.

Leena Eskelinen

April 2015

Indhold

Resumé ............................................................................................. 6

Indledning og formål .......................................................................................... 6

Begreber .......................................................................................................... 6

Metode ............................................................................................................ 7

Rapportens temaer ............................................................................................ 8

Resultater ........................................................................................................ 9

Opmærksomhedspunkter .................................................................................. 19

1 Baggrund og formål .................................................................... 22

2 Metode og praktisk gennemførsel ................................................. 25

2.1 Trin 1: Review af internationale erfaringer med profileringsværktøjer ............ 25

2.1.1 Udarbejdelse af bruttoliste over lande med profileringsværktøjer ......... 25

2.1.2 Udvælgelse af otte lande til review af profileringsværktøjer ................ 25

2.1.3 Review af profileringsværktøjer i otte lande ...................................... 26

2.2 Trin 2: Uddybende praksisanalyse af internationale erfaringer med

profileringsværktøjer ............................................................................... 27

2.2.1 Rekruttering af informanter ............................................................ 28

2.2.2 Dataindsamling ............................................................................ 28

2.2.3 Analyse ....................................................................................... 30

3 Review af internationale erfaringer med profileringsværktøjer .......... 31

3.1 Profileringsværktøjernes indhold og anvendelse ........................................... 31

3.2 Sagsbehandlernes relation til profileringsværktøjet ...................................... 32

3.3 De statistiske modeller bag profileringsværktøjerne ..................................... 33

4 Analyse af praksis i fire udvalgte lande.......................................... 35

4.1 Australien: JSCI (Jobseeker Classification Instrument) ................................. 35

4.1.1 Politisk kontekst og formål ............................................................. 35

4.1.2 Beskrivelse af profileringsværktøjet – indhold og anvendelse .............. 36

4.1.3 Implementering............................................................................ 40

4.1.4 Den statistiske model og træfsikkerhed ........................................... 41

4.1.5 Sammenlignelighed med /overførbarhed til danske forhold ................. 44

4.2 Irland: PEX (Probablility of Exit) ................................................................ 45



4.2.3 Implementering............................................................................ 49



4.3 Sverige: Bedömningsstöd ......................................................................... 54



4.3.3 Implementering............................................................................ 58


4.3.5 Sammenlignelighed med/overførbarhed til danske forhold .................. 62

4.4 Tyskland: 4-PM-model ............................................................................. 64



4.4.3 Implementering............................................................................ 70

4.4.4 Databaserede værktøjer ................................................................ 71


5 Tværgående opsamling og konklusion ........................................... 73

5.1 Politisk kontekst og formål ....................................................................... 73

5.2 Indhold og anvendelse ............................................................................. 73

5.3 Udvikling og implementering..................................................................... 77

5.4 Den statistiske model .............................................................................. 78

5.5 Opmærksomhedspunkter ......................................................................... 81

Litteratur ......................................................................................... 84

Bilag 1 Søgeord ved systematisk litteratursøgning .............................. 89

Bilag 2 Bruttoliste over lande med profileringsværktøjer ..................... 91

Bilag 3 Screeningsskema ved review af profileringsværktøjer i 8 lande .. 93

Bilag 4 Redskaber, der anvendes til indsamling af oplysninger i

profileringsværktøjer ........................................................... 95

Australien JSCI (Job Seeker Classification Instrument) ................................. 95

Irland: PEX (Probability of Exit) ................................................................ 107

Sverige: Bedömningsstöd ........................................................................ 118

Tyskland: 4-PM-model ............................................................................ 120

Bilag 5 Dokumentation af profileringsværktøjer i Australien, Irland,

Sverige og Tyskland ........................................................... 122

1. Vigtigste kilder til de fire landes værktøjer ............................................. 122

2. Internationale review, hvori et eller flere af de fire lande i praksisanalysen

indgår .................................................................................................. 126

3. Forkortelser anvendt i kapitel 4 ............................................................ 126

6

Resumé

Indledning og formål

Profilering, dvs. kategorisering af ledige i forskellige risikogrupper, har været i fokus på be-

skæftigelsesområdet siden 1990’erne. Australien indførte som det første land et statistisk

profileringsværktøj i 1998. Næsten sideløbende arbejdede bl.a. USA og Canada med statistisk

profilering. Efter år 2000 har flere lande udviklet profileringsmodeller, som enten bygger på

statistiske modeller eller på sagsbehandlernes faglige vurderinger eller en kombination af de

to tilgange. De nationale værktøjer er i stor udstrækning udviklet på baggrund af inspiration

fra hinandens og de landes modeller, som var forgængere på området.

I Danmark har man tidligere forsøgt sig med et statistisk profileringsværktøj kaldt Jobbaro-

meter. Værktøjet er i dag udfaset, og profileringen foregår nu udelukkende på baggrund af

sagsbehandlerens faglige vurdering. Statistisk profilering af ledige er blevet aktuelt på ny i

forbindelse med en række reformer på beskæftigelsesområdet, herunder kontanthjælpsre-

formen, der trådte i kraft den 1. januar 2014. På baggrund af reformerne ønsker STAR, Sty-

relsen for Arbejdsmarked og Rekruttering, at udvikle et statistisk profileringsværktøj til visi-

tering af ledige, der har størst behov for en intensiv indsats, og dermed målrette indsatsen,

således at ressourcerne anvendes mest hensigtsmæssigt. Profileringsværktøjet skal under-

støtte sagsbehandlernes faglige vurdering og samtidig virke som et dialogværktøj i mødet

med de ledige. Endelig er det intentionen, at profileringsværktøjet vil give et fælles udgangs-

punkt for den indsats, der igangsættes bl.a. ved at hjælpe den ledige til at blive mere afkla-

ret allerede fra de første samtaler.

Som led i udviklingen af det danske profileringsværktøj har STAR bedt KORA, Det Nationale

Institut for Kommuners og Regioners Analyse og Forskning, om at gennemføre en videnop-

samling og analyse af de erfaringer, som andre lande har gjort i forbindelse med udviklingen,

implementeringen og anvendelsen af profileringsværktøjer. Hensigten er dermed at bygge

bro mellem internationale erfaringer og det igangværende udviklingsarbejde i Danmark for

herved at opnå et velunderbygget grundlag for et profileringsværktøj, som er relevant i

dansk kontekst.

Begreber

Begrebet profilering eller profilafklaring anvendes som betegnelse for en aktivitet, som opde-

ler modtagere af ydelser i forskellige grupper på baggrund af deres individuelle karakteristika

eller andre forhold. Profilering kan foretages enten ved hjælp af statistiske modeller eller på

baggrund af faglig vurdering, eller i en kombination af begge. De tre former for profilering

benævnes i international litteratur henholdsvis som databaseret, sagsbehandlerbaseret og

dataassisteret profilering (jf. Loxha & Morgandi 2014).

Profileringen kan tjene forskellige formål. Vi sondrer i denne rapport mellem tre overordnede

formål: For det første kan profileringen have et diagnostisk sigte, dvs. fokusere på at katego-

risere den ledige i henhold til dennes afstand fra arbejdsmarkedet eller sandsynlighed for

langtidsledighed. For det andet kan profileringen sigte mod at målrette indsatsen for den

ledige, dvs. blive brugt til at afgøre og/eller styre, hvilken type indsats der skal iværksættes

over for den ledige. I international litteratur omtales dette ofte som targeting eller segmente-

ring (Loxha & Morgandi 2014). For det tredje kan profileringsværktøjet have et ressourceal-

7

lokerende sigte, dvs. anvendes til at afgøre, hvor mange økonomiske og/eller tidsmæssige

ressourcer, der afsættes til den ledige.

Indførelse af profileringsværktøjer påvirker frontmedarbejderes arbejdssituation og kontakt

med de ledige på forskellig måde afhængigt af, hvordan og af hvem profileringen gennemfø-

res. Frontmedarbejderne på beskæftigelsesområdet i forskellige lande har forskellig uddan-

nelsesmæssig baggrund, fagligt kvalifikationsniveau og autonomi. Vel vidende, at sagsbe-

handler er en uspecifik og generel samlebetegnelse, som ikke retfærdiggør sådanne forskelle,

anvender vi i rapporten for overskuelighedens skyld denne betegnelse for personalet, som

står for indsatsen over for de ledige.

Metode

Det primære fokus i denne rapport er at dokumentere og beskrive fire udvalgte landes profi-

leringsværktøjer. Analysen har taget udgangspunkt i et indledende review af otte landes

værktøjer. På den måde har analysen været opdelt i to dele: 1) et indledende review af otte

udvalgte profileringsværktøjer og 2) en uddybende analyse af fire værktøjer, som på bag-

grund af reviewet blev udvalgt af KORA og STAR i fællesskab.

Reviewet har haft til formål at give et overblik over eksisterende internationale profilerings-

værktøjer og derefter systematisere informationer om otte udvalgte landes profileringsværk-

tøjer. Endelig skulle det indledende review udgøre grundlaget for udvælgelsen af fire lande til

uddybende videnopsamling og analyse.

Reviewet er blevet gennemført på baggrund af en systematisk litteratursøgning i internatio-

nale såvel som i danske og nordiske databaser samt en supplerende googlesøgning ved hjælp

af udvalgte nøgleord. Litteratursøgningen resulterede i identificering af 25 landes profile-

ringsværktøjer, som blev sorteret med henblik på at udvælge et mindre antal lande til det

systematiske review. Ved denne udvælgelse blev der lagt vægt på, at der skulle være tale

om statistisk profilering, og at profileringsværktøjet skulle være relativt veldokumenteret.

Sorteringen resulterede i, at otte lande blev udvalgt til at indgå i det systematiske review (de

udvalgte lande fremgår af tabel 2.1 i kapitel 2).

Det systematiske review af de otte udvalgte landes profileringsværktøjer byggede primært på

tidligere internationale review (Rudolph & Konle-Seidl 2005, Collewet et al. 2010, PES to PES

Dialogue Conference 2011, Loxha & Morgandi 2014). De indsamlede informationer blev sy-

stematiseret via et screeningsskema, som indeholdt samme hovedtemaer som den uddyben-

de analyse (screeningsskemaet fremgår af bilag 3).

I den uddybende analyse har der været fokus på fire landes profileringsværktøjer, med henblik

på at beskrive erfaringer fra praksis. Ved analysen af profileringsmetoderne og -praksis er der

lagt særlig vægt på profileringsinstrumenternes indhold, konkrete anvendelse i frontlinjen og

de statistiske modellers træfsikkerhed. Set i forhold til de hidtidige internationale review af

profileringsværktøjer (jf. Loxha & Morgandi 2014) har hensigten med analysen været at give

konkret indsigt i, hvordan profileringen foregår og fungerer i praksis. Derudover har interessen

været rettet mod praktikernes relation til profilering og det output, profileringen giver med

henblik på den lediges efterfølgende forløb i beskæftigelsessystemet.

I udvælgelsen af de fire lande til den uddybende analyse blev der lagt vægt på, at landene

skulle bidrage med relevant og selvstændig viden om og erfaringer med udvikling, implemen-

tering og anvendelse af statistiske profileringsværktøjer. De fire lande, som indgik i den ud-

dybende analyse, og begrundelser for udvælgelsen fremgår af tabel 1 nedenfor.

8

Tabel 1 Lande udvalgt til den uddybende praksisanalyse

Land og profilerings-

værktøj

Begrundelse

Australien

Jobseeker Classification

Instrument (JSCI)

Udelukkende databaseret

Både faktuelle og subjektive variable

Gennemtestet: anvendt siden 1998

Flere formål med samme værktøj (diagnostik, målretning af indsatsen og res-

sourceallokering)

Irland

Probability of Exit (PEX)

Nyimplementeret: Indsigt i implementeringsprocessen


Flere formål med samme værktøj (diagnostik, målretning af indsatsen, res-

sourceallokering)

Sverige

Bedömningstöd

Entydigt formål (diagnostik)

Viden om sagsbehandlernes holdninger til og anvendelse af værktøjet

Kun faktuelle variable

Nordisk – relevans for dansk kontekst

Tyskland

4-PM-model

Stor grad af sagsbehandlerautonomi

Viden om sagsbehandlernes modstand mod værktøjet

I forbindelse med analysearbejdet har det dog vist sig, at Tyskland ikke længere gør brug af

statistisk profilering, men derimod udelukkende benytter sagsbehandlerbaseret profilering.

Det tyske værktøj er medtaget i analysen, da sagsbehandlerne skal foretage profilering af

alle ledige på baggrund af et udførligt IT-baseret registreringssystem med veldefinerede reg-

ler. Derfor giver det tyske system et godt indblik i et system, hvor sagsbehandlernes faglig-

hed er forsøgt integreret med et profileringsværktøj. Endvidere har det tyske sagsbehandler-

baserede system karakteristika, som er særdeles relevante med hensyn til konstruktion af et

profileringsværktøj: fokus på den lediges styrker og kobling mellem profilering og indsatser.

Den primære dataindsamling foregik via semistrukturerede interview med forskellige typer

informanter, herunder repræsentanter for centraladministrationen, forskere/policyanalytik-

ere, der havde haft ansvaret for udviklingen af de statistiske modeller samt praktikere i

frontlinjen (jf. tabel 2.3 i kapitel 2). Ud over interviewene blev der gennem kontakt- og inter-

viewpersonerne i hvert land indsamlet forskelligt upubliceret dokumentationsmateriale af de

fire profileringsværktøjer. Interviewene blev endvidere fulgt op med afklarende og supple-

rende spørgsmål gennem mailkorrespondance i dataindsamlings- og analysefasen. I Irland og

Tyskland blev der gennemført besøgsinterview med det formål at få indblik i den praktiske

anvendelse af profileringsværktøjerne. Af praktiske årsager kunne der ikke gennemføres be-

søgsinterview i Australien, mens et besøg i Sverige blev fravalgt, dels på grund af stor diver-

gens i brugen af redskabet på tværs af landet, hvorfor et besøgsinterview ikke ville være

retvisende, dels fordi der findes aktuelle grundige evalueringer af frontlinjens brug af og

holdning til værktøjet.

Det indsamlede datamateriale blev analyseret via en kvalitativ indholdsanalyse, hvor data

blev kategoriseret i henhold til en række foruddefinerede temaer.

Rapportens temaer

Rapporten er opbygget som følger:

Kapitel 2 gennemgår de anvendte metoder og fremgangsmåder i forbindelse med projektets

to dele: det indledende review og den praksisnære caseanalyse.

9

Kapitel 3 opsummerer hovedpointerne i forbindelse med det indledende review af otte lan-

des profileringsværktøjer.

Kapitel 4 beskriver profileringsværktøjerne i henholdsvis Australien, Irland, Sverige og Tysk-

land.

Kapitel 5 sammenfatter og konkluderer på resultaterne af den uddybende analyse af profile-

ringsværktøjerne i ovennævnte fire lande. Kapitlet opstiller i den forbindelse en

række opmærksompunkter med henblik på det videre arbejde med udviklingen af

et dansk profileringsværktøj.

Beskrivelsen af profileringsværktøjerne henholdsvis i Australien, Irland, Sverige og Tyskland

tager udgangspunkt i følgende temaer, og beskrivelserne for alle fire landes profileringsværk-

tøjer i kapitel 4 følger den samme struktur:

kontekst og formål

indhold og anvendelse

implementering

den statistiske model og træfsikkerhed

(planlagt) indholdsmæssig revision

sammenlignelighed med/overførbarhed til dansk kontekst.

Resultater

Nedenfor præsenteres hovedresultaterne af den uddybende analyse af profileringsværktøjer-

ne i Australien, Irland, Sverige og Tyskland. De væsentligste oplysninger vises også i tabe l-

form.

Formål og anvendelse

Indførelse af profileringsværktøjer er typisk opstået i kølvandet på reformer af beskæftigel-

sesområdet, med stærke intentioner om at effektivisere beskæftigelsesindsatsen. Dette har

været særligt markant i Australien, Irland og Tyskland, hvor profileringen har været et led af

et mere omfattende sporskifte på beskæftigelsesområdet. Den primære intention og drivkraft

bag indførelse af profilafklaring har i alle fire lande været at intensivere indsatsen for lang-

tidsledige og forebygge langtidsledighed. I Australien, Irland og Tyskland har også ønsket om

at integrere tidligere inaktive grupper på arbejdsmarkedet været et væsentligt motiv. I alle

fire lande, men især i Irland, Sverige og Tyskland, har den økonomiske recession med sti-

gende arbejdsløshed gjort, at profileringsværktøjerne er blevet taget i anvendelse.

Som tidligere nævnt var Australien det første land til at anvende et statistisk profilerings-

værktøj. Værktøjet blev indført i februar 1998. I Irland blev profileringsværktøjet taget i an-

vendelse i hele landet i 2013 og i Sverige primo 2012. Forud for udrulningen af værktøjet

havde alle tre lande haft udviklingsarbejde i gang i flere år. For Tysklands vedkommende

havde udviklingsarbejdet også stilet mod statistisk profilering, men endte med et faseopdelt

sagsbehandlerbaseret værktøj.

Profileringsværktøjet i Australien og i Irland er rent databaseret, mens værktøjet i Sverige er

dataassisteret, dvs. at det tager udgangspunkt i en statistisk model, men giver sagsbehand-

leren mulighed for at ændre profilkategorien. Formålet med at anvende profileringsværktøjet

er i alle fire lande først og fremmest diagnostik og i Sverige alene det. I Sverige har hensig-

ten været at identificere ledige, som på grund af en særlig høj risiko for langtidsledighed

skulle gives en tidlig indsats. I de tre øvrige lande bruges profileringsværktøjet ud over diag-

10

nostik også til målretning af indsatsen og til ressourceallokering – i Irland og Tyskland dog i

den forstand, at profilkategorien udgør, hvor intensiv en indsats den ledige tilbydes. I Austra-

lien er målretning af indsatsen og ressourceallokering til udbyderne koblet sammen med pro-

filkategorierne.

Profileringen gennemføres i Australien og Irland ved tilmelding som ledig (ansøgning om un-

derstøttelse) og i Sverige og i Tyskland ved første møde med sagsbehandler. I det først-

nævnte tilfælde er det administrativt personale, som står for indsamling af oplysninger, mens

det i det sidstnævnte tilfælde er sagsbehandleren.

I alle tre lande, som anvender statistisk profilering – Australien, Irland og Sverige – er profi-

leringsværktøjet udviklet med henblik på at forudsige risikoen for langtidsledighed. Dette er

tilfældet, selv om Australien og Sverige benævner profilkategorierne i positive termer som

arbejdsmarkedsparathed (jf. tabel 2 nedenfor).

Tabel 2 Profileringsværktøjernes indhold og anvendelse

Land Type profile-

ringssystem

Formålet med

værktøjet 1

Kategorisering af

ledige 2

Implementerings-

år

Hvornår anvendes

profileringsværk-

tøjet

Austr

alien Databaseret Diagnostik

Målretning af

indsatsen

Ressourceallokering

Arbejdsmarkeds-

parathed

1998 Ved tilmelding og

undervejs efter

behov

Irla

nd

Databaseret Diagnostik

Målretning af

indsatsen

Ressourceallokering

Sandsynlighed for

langtidsledighed

2013

(i hele landet)

Ved tilmelding

Sveri

ge

Dataassisteret Diagnostik Arbejdsmarkeds-

parathed (langtids-

ledighed)

2012 Ved første møde

med sagsbehandler

og efter behov

Tyskla

nd Sagsbehandler-

baseret

Diagnostik

Målretning af

indsatsen

Ressourceallokering

Arbejdsmarkeds-

parathed


med sagsbehandle-

ren og løbende

Note: 1) Målretning og ressourceallokering er i Australien mere gennemgribende end i Irland og Tyskland.

2) Uafhængigt af betegnelserne er kategoriseringen af ledige i alle lande baseret på modeller, der forudsiger risiko-

en for langtidsledighed (bortset fra Tyskland, hvor kategoriseringen ikke er baseret på statistiske modeller).

De statistiske modellers opbygning og træfsikkerhed

I de tre lande – Australien, Irland og Sverige – der anvender en statistisk model i profilafkla-

ringen af de ledige, benyttes der enten en logit- eller en probit-model til at beregne sandsyn-

ligheden for, at personen bliver langtidsledig. I alle tre tilfælde er der tale om binære model-

ler, dvs. at der opereres med et dikotomt udfald for den afhængige variabel: langtidsledig

henholdsvis ikke-langtidsledig. For hver af de uafhængige variable (forklarende variable, fx

alder, uddannelsesniveau mv.) beregnes der en vægt, som indikerer, i hvilken grad den på-

gældende variabel påvirker den lediges sandsynlighed for langtidsledighed.

Omregningen fra de statistiske modeller til de konkrete profileringsværktøjer er ikke fuldt ud

gennemsigtig i de tre lande. Mest konkret er sammenhængen beskrevet for det svenske

bedömningsstöd (jf. Dahlén 2012), hvor beskrivelsen af værktøjet indeholder konkrete ek-

sempler på klientprofiler og en beskrivelse af, hvordan de skal fortolkes. Det fremgår dog

også af de øvrige to landes værktøjer, hvor stor en betydning de enkelte variable har for

beregningen af den lediges profilscore (i form af de vægte, som regressionsanalyserne resul-

11

terer i). For Australien beskrives desuden, hvilke værdier (point) de enkelte svarkategorier

tildeles i beregningen af en JSCI-totalscore. For Irland har tilsvarende oplysninger ikke været

tilgængelige.

De statistiske beregninger, der ligger bag profileringsværktøjerne, er i alle tre lande foretaget

på baggrund af hele populationen af ledige (både forsikrede og ikke-forsikrede ledige) over

en bestemt tidsperiode (jf. O’Connell et al. 2009, Dahlén 2012, OECD 2012). Dette giver det

mest pålidelige grundlag for at forudsige risikoen for langtidsledighed for ledige med forskel-

lige karakteristika. Irland har dog valgt at beregne modeller særligt for mænd og kvinder,

hvilket har betydet lidt forskellige vægte for de to køn i de enkelte variable. Begrundelsen

herfor er store forskelle mellem de to køn med hensyn til arbejdsdeltagelse og forudsætnin-

ger for at komme i arbejde. I Australien udgør alder og køn én faktor ved beregningen af den

lediges profilscore, og man har valgt at tildele forskellige vægte for alderskategorierne for

henholdsvis mænd og kvinder.

Datagrundlaget for de statistiske modeller i Australien, Irland og Sverige er af forskellig stør-

relse. I Australien er den seneste opdatering af modellen baseret på ca. 900.000 personer. I

Sverige er modellen for bedömningsstöd beregnet på basis af ca. 285.000 personer. Udtræk-

ket i Irland omfatter i alt ca. 30.700 personer, og en separat model er beregnet for 17.700

mænd og 13.000 kvinder. Australien har gennemført re-estimeringer baseret på et nyt ud-

træk af ledige og derudover mere begrænsede økonometriske analyser i forbindelse med de

periodevise reviewrunder, som landet gennemfører blandt udbydere og eksterne eksperter.

Disse mere afgrænsede analyser kan betyde mindre re-kalibrering af modellen, men ifølge

det seneste review var der ikke behov for dette. Irland og Sverige har ikke gennemført nye

dataindsamlinger eller re-kalibreringer, siden modellerne blev konstrueret. Ifølge KORAs in-

terview foretager ministerierne i Australien og Irland opfølgning og intern monitorering af,

hvorvidt profileringsværktøjet fungerer efter intentionen om at kunne forudsige risikoen for

langtidsledighed. Dette foretages på baggrund af de indsamlede profileringsdata, som kombi-

neres med registeroplysninger om, hvorvidt de pågældende personer fortsat er tilmeldt som

ledige. I Sverige er en sådan monitorering ikke mulig, idet resultaterne af profileringen ikke

gemmes i en database.

Tabel 3 Statistiske modeller og datagrundlag for profileringsværktøjerne i Australien, Irland

og Sverige

Land Statistisk

model

Datamateriale, model-

len bygger på

Populationens

størrelse

Seneste

opdatering

Evidens for

træfsikkerhed1

Australien Logistisk

regressionsmodel

Data om jobsøgende

indsamlet i 2007

900.000 2009 – baseret

på data fra 2007

Ja

Irland Probit-model Personer, der tilmeldte sig

som ledige i sept.-dec.

2006

30.700 2009 Ja

Sverige Logistisk

regressionsmodel

Personer indskrevet som

arbejdsløse i 2010

285.000 2012 Ja

Note: 1) OECD 2012, O’Connell et al. 2009, Dahlén 2012.

Det er et udbredt ønske blandt vores informanter – især forskere og analytikere, der har væ-

ret involveret i udviklingen af værktøjerne – at der blev foretaget systematiske dataindsam-

linger. Samtidig vurderer de forskere, vi har været i kontakt med, at modellerne fortsat af-

spejler de lediges risiko for langtidsledighed. Begrundelsen herfor er, at værktøjerne anven-

des til at placere de ledige i relation til hinanden og i relativt brede kategorier. Derfor vil min-

dre ændringer i den lediges risikoscore typisk ikke betyde ændring i tilhørsforhold til en be-

stemt kategori. Dette har bl.a. O’Connell et al. (2012) konkluderet ved at sammenligne popu-

12

lationen af arbejdsløse i 2006 og 2011 og analysere, om den statistiske profileringsmodel

fortsat er effektiv.

Profileringsværktøjernes træfsikkerhed i forbindelse med at forudsige risikoen for langtidsle-

dighed angives i de tre lande på forskellig måde. Derfor er modellernes træfsikkerhed ikke

direkte sammenlignelige. Overordnet set gælder det, at træfsikkerheden bliver bedre, desto

højere cut-off-punktet for langtidsledighed sættes. Ved et cut-off-punkt på 80 (dvs. hvor

modellens træfsikkerhed kun vurderes for ledige, der har minimum 80 % sandsynlighed for

at blive langtidsledige) placerer modellerne i Sverige og Irland korrekt udfald for mellem 81

og 83 % af tilfældene (det har ikke været muligt at få oplysningen om træfsikkerheden for

den australske model på tilsvarende måde). Træfsikkerheden for at forudsige risikoen for

langtidsledighed falder, hvis cut-off-punktet sættes ned. Dermed er modellerne og profile-

ringsværktøjerne mest usikre for gruppen af ledige med ’middelrisiko’ for langtidsledighed.

Da middelrisikogruppen udgør størstedelen af populationen, vil modellerne være forbundet

med usikkerhed over for en betydelig del af de ledige. Ifølge vores interview med de forske-

re, der har været involveret i udviklingen af modellerne i Irland og i Sverige, kan man ikke

forvente, at træfsikkerheden bliver meget bedre end den, som man finder i de to lande. Det

skyldes, at der altid vil være en række uforklarede forhold, som påvirker de lediges relation

til arbejdsmarkedet, og som det ikke er muligt at opfange.

Udvælgelse og sammensætning af variable

Der er ligheder og forskelle mellem de fire landes profileringsværktøjer, Job Seeker Classi-

fication Instrument (JSCI) i Australien, Probability of Exit (PEX) i Irland, bedömningsstöd i

Sverige og 4-PM-model i Tyskland. Tabel 4 nedenfor giver en oversigt over sammensætnin-

gen af faktuelle og subjektive variable i de fire profileringsværktøjer og indblik i, hvordan

oplysningerne indsamles. Antallet af variable varierer fra 12 i Sverige til 18 og 24 i henholds-

vis Australien og Irland. I Tyskland består profileringsværktøjet af 16 åbne spørgsmål.

Tabel 4 Konkrete profileringsværktøjer og deres datakilder i Australien, Irland, Sverige og

Tyskland

Land Profileringsværktøj Typer af variable Hvordan indsamles data

Australien Jobseeker Classification

Instrument (JSCI)

18 faktuelle og subjektive Registerdata og spørgeskema-

data ved tilmelding

Irland Probability of Exit (PEX) 24 faktuelle og subjektive Registerdata og spørgeskema-

data ved tilmelding

Sverige Bedömningsstöd 12 faktuelle Sagsbehandleren interviewer

den ledige

Tyskland 4-PM-model 16 åbne/kvalitative spørgsmål Sagsbehandleren interviewer

den ledige

De fleste variable i de fire profileringsværktøjer drejer sig om individrelaterede karakteristika

hos den ledige. Der er relativt få variable, der beskriver vilkårene på arbejdsmarkedet, dvs.

som er relateret til efterspørgselssiden. En betydelig del af de oplysninger, der indgår i profi-

leringsværktøjerne, er faktuelle oplysninger om den ledige såsom demografiske oplysninger

og arbejdshistorik (jf. tabel 5 nedenfor).

Det, der især adskiller landenes profileringsværktøjer fra hinanden, er, hvorvidt de inddrager

oplysninger af mere subjektiv karakter. I Australien og Irland inddrages oplysninger vedrø-

rende selvvurderet helbred, mens det svenske værktøj alene bygger på oplysninger, som

også findes i registre. Det tyske profileringsværktøj adskiller sig ved, at variablene har en

kvantitativ såvel som en kvalitativ dimension. Det kommer til udtryk ved, at det ikke alene er

13

registreringen af eksempelvis den lediges boligproblem, men i højere grad sagsbehandlerens

kvalitative vurdering af boligproblemets omfang, der er af betydning ved profilafklaring.

Tabel 5 Variable i de fire landes profileringsværktøjer

Typer af

variable

Australien Irland Sverige Tyskland

Demografiske

karakteristika

Alder, køn, befolk-

ningsgruppe (etnici-

tet), fødeland

Alder, køn Alder, (køn),

fødeland

(Alder)

Familiesituation Civilstatus/forsørger Civilstatus, antal

børn

- Familiemæssig

situation

Helbredsforhold Handicap/sygdom/

arbejdsevne

Selvvurderet helbred Funktionsned-

sættelse

Sundhedsmæssigt

potentiale

Sociale forhold Boligsituation (fast

bopæl), straffe-

attest, personlige

faktorer (herunder

misbrug)

Ægtefællens

indkomst

- Boligmæssig situati-

on, personlig situati-

on, finansiel situation

Uddannelse Uddannelsesniveau Uddannelsesniveau Uddannelsesniveau,

uddannelse inden for

søgt arbejdsområde

Skolemæssige kvali-

fikationer, intellek-

tuelt potentiale,

sprogkendskab

Faglige kvalifikationer/

arbejdserfaring

Jobrettede faglige

kvalifikationer,

engelskkundskaber,

arbejdserfaring

Engelskkundskaber,

læse/regnepro-

blemer, beskæftigel-

seshistorik (varighed

af ansættelser)

Erfaring inden for

søgt arbejdsområde

Faglige kvalifika-

tioner, erhvervs-

mæssige kvalifika-

tioner, intellektuelt

potentiale, social

attitude og arbejds-

adfærd

Ledighedshistorik Overførselsind-

komsthistorik

Overførselsind-

komsthistorik, type

af overførsels-

indkomst, tid siden

sidste ansættelse

Type af overførsels-

indkomst, længde af

seneste ledigheds-

forløb, hvornår blev

senest ledig

Erhvervsmæssige

kvalifikationer

Jobmobilitet;

motivation

Adgang til transport,

kontaktbarhed tele-

fonisk

Egne transportmu-

ligheder, nærhed til

offentlig transport,

jobmobilitet (vilje til

at flytte for at få nyt

job)

Type af søgt

arbejdsområde

Geografisk mobilitet,

Initiativ/arbejds-

mæssig attitude,

villighed til læring og

uddannelse

Geografi og

lokalt/regionalt

arbejdsmarked

Bopælens region,

lokale beskæftigel-

sesmuligheder,

afstand til arbejds-

markedet

(by/landdistrikt)

Bopælens region,

bopælens beliggen-

hed (by- eller land-

distrikt)

Ledighedsprocent i

kommunen

Geografisk mobilitet

Andet - Deltagelse i lokalt

beskæftigelses-

program inden for

de seneste 12

mdr./5 år

Tilmeldingsmåned

som ledig

-

De statistiske profileringsmodeller bag det australske JSCI, det irske PEX og det svenske

bedömningsstöd fokuserer på barrierer hos den ledige. Baggrunden herfor er, at modellerne

er konstrueret med henblik på at forudsige risikoen for langtidsledighed, og derfor at identifi-

cere de vigtigste risikofaktorer. Kun i den tyske 4-PM-model er den lediges styrker det første

aspekt, som sagsbehandleren skal forholde sig til. Dette er dog noget modstridende i forhold

til den efterfølgende præsentation af beslutningsgrundlaget for seks profiler, hvor barrierer

eller områder med udviklingsbehov er afgørende for, hvilken gruppe den ledige placeres i.

14

Der er forskellige holdninger blandt informanterne fra de fire lande med hensyn til, hvilken

type data et profileringsværktøj ideelt set skal bygge på. I Australien anses en kombination

mellem faktuelle og subjektive oplysninger for vigtig, og det australske værktøj har siden

1998 været baseret på en kombination af disse to typer af informationer. I Irland lyder ar-

gumentationen hos forskerne bag profileringsmetoden (arbejdsmarkedsøkonomer på ESRI,

the Economic and Social Research Institute), at der strengt taget kun vil være behov for 4-5

variable, og alene vedrørende faktuelle forhold, hvis værktøjet alene skal anvendes til at

identificere personer med høj risiko for langtidsledighed. I Sverige er bedömningsstödet et

forenklet værktøj set i forhold til det oprindelige udviklingsarbejde med et profileringsværk-

tøj, og det ses som ønskværdigt i fremtiden at supplere værktøjet med flere variable, både

faktuelle (fx sprogkundskaber) og subjektive (fx motivation), og generelt at lægge mere

vægt på den lediges vurderinger. For tiden består det svenske værktøj alene af oplysninger,

som i princippet kan hentes fra registre. I Tyskland anvendes udelukkende variable af mere

subjektiv karakter. Det skyldes, at man anser informationer vedrørende subjektive forhold,

såsom de lediges motivation og personlige problemer, som centrale for, at den ledige skal

kunne komme i beskæftigelse.

Et argument mod at inkludere subjektive variable i profileringsværktøjet er, at de er afhængige

af, hvordan den ledige forstår spørgsmålet, og om han/hun er indstillet på at give et oprigtigt

svar, givet de implikationer et bestemt svar kan have. Det kan fx handle om sensitive emner

som misbrug, familieforhold eller helbred, som kan udgøre store barrierer for at bestride et

arbejde. I Australien benyttes en særlig fremgangsmåde, som går på, at den ledige kan undgå

at svare på spørgsmål, som kan opleves som personfølsomme (fx helbred eller straffeattest).

Disse aspekter uddybes i en senere fase, med mulighed for at supplere informationer, der ind-

går i den lediges profil, med mulighed for rekategorisering. Alternativt er der ikke erfaringer fra

de fire lande, der taler imod at inkludere ’bløde’, subjektive oplysninger fra den ledige. Faktisk

indgår subjektive variable i profilering i Australien, Irland og Tyskland, og Sverige er i gang

med at udbygge bedömningsstödet med subjektive variable.

Diskussionen om de mest relevante indikatorer kan i sidste ende relateres til en diskussion

om, hvad der er formålet med profilering. Hvis formålet kun er diagnostik, dvs. at forudsige

en persons risiko for langtidsledighed, vil det være tilstrækkeligt at bruge få faktuelle variab-

le (som nævnt ovenfor). Hvis profileringsværktøjet derimod har et bredere og mere åbent

sigte, herunder at afspejle den lediges muligheder for at indtræde på arbejdsmarkedet eller

understøtte den fremadrettede indsats, er de mere subjektivt orienterede variable særdeles

relevante. Udgangspunktet for at udvikle profileringsmodeller og -værktøjer har i alle lande

været diagnostik, og derfor har der af sagens natur været fokus på de stærkeste prædiktorer

for at kunne identificere de subpopulationer, som er i højst risiko for at blive langtidsledige.

Holdninger til sammensætningen af variable synes således at være relateret til, hvilket for-

mål profileringsværktøjet skal tjene.

Brug af forskellige dataindsamlingsmetoder

Vores analyse viser, at datakvaliteten påvirkes af en række forhold i forbindelse med dataind-

samlingen. Der er to grundlæggende fremgangsmåder med hensyn til, hvordan oplysningerne

til profilering indsamles i de fire lande. Australien og Irland repræsenterer en fremgangsmå-

de, hvor faktuelle såvel som oplysninger af mere subjektiv karakter indsamles af administra-

tivt personale ved registreringen som ledig. Dette kan ske ved personlig henvendelse eller

telefonisk (i Australien) eller ved, at den ledige udfylder ansøgningsskemaerne (i Irland). I

Sverige og Tyskland indsamler den sagsbehandler, som står for den efterfølgende kontakt og

indsats, oplysningerne ved den første samtale med den ledige.

15

Begge indsamlingsmetoder indeholder kilder til fejl, men dette har fået meget lidt opmærk-

somhed i forbindelse med diskussionen om de statistiske modellers træfsikkerhed, selv om

datakvaliteten har stor betydning for profileringsresultatet. I Australien har der været rejst

diskussion om spørgsmålsformuleringer i forbindelse med review hos udbydere og interessen-

ter, og det har ført til omformuleringer af nogle spørgsmål. Et andet aspekt, som har været

diskuteret, er lediges svar ved henholdsvis personligt interview og indsamling af oplysninger

via telefon, samt interviewerens eventuelle tendens til at påvirke svarene i en bestemt ret-

ning. I Australien har man gjort det muligt for de ledige at springe over spørgsmål af mere

personlig eller følelsesmæssig karakter, når profileringen foretages ved registreringen – dog

med mulighed for at supplere svarene ved første kontakt med sagsbehandleren. I Sverige,

hvor det er sagsbehandleren, der indsamler oplysninger i en samtale, har en undersøgelse

vist, at sagsbehandleren i flere tilfælde undlod at spørge den ledige, og i stedet selv svarede

på spørgsmålene (Assadi & Lundin 2014). I Irland foretages profilafklaringen på baggrund af

oplysninger indsamlet via registreringsskemaer, som er udviklet til andet formål end profile-

ring. Dette kan være problematisk, da nogle spørgsmål ikke er særligt velformulerede og

skalaerne ikke altid velovervejede. Sidstnævnte kan være en forklaring på, at fx selvvurderet

helbred ikke bliver en særlig relevant prædiktor i den irske model, mens helbredsrelaterede

variable synes at have større relevans i de tre øvrige profileringsværktøjer. Endelig er det i

Tyskland op til den enkelte sagsbehandler at vurdere, hvordan de prædefinerede spørgsmål

til den ledige skal tolkes, herunder i hvilket omfang det er nødvendig at komme igennem dem

alle.

Kategorier af ledige, profileringen resulterer i, og kategoriernes betydning for ind-

satsen

De ledige opdeles på baggrund af profilering i x antal kategorier – i Australien og i Sverige i

fire kategorier, i Irland i tre kategorier og i Tyskland i seks kategorier (jf. tabel 6 nedenfor).

Det er politisk bestemt og således aftalebaseret, hvor mange kategorier profileringsværktøjet

opdeler de ledige i, og hvordan kategorierne defineres. Der er dermed betydelig forskel mel-

lem de fire lande, fx med hensyn til, hvor stor en andel der placeres henholdsvis i lavrisikoka-

tegorien og i midterkategorierne. I Australien placeres ca. tre femtedele og i Sverige ca.

halvdelen af de ledige i den bedste kategori, mens andelen i Irland er en femtedel. I Tyskland

er ca. 33 % i en af de tre profiltyper nærmest arbejdsmarkedet (såkaldte simple profiler).

Omvendt er midterkategorien stor i Irland (tre femtedele af alle) og relativ stor i Sverige

(47 %, hvis de to midterste kategorier ses under ét), mens den er betydeligt mindre i Austra-

lien (27 %, hvis de to midterkategorier ses under ét). I Tyskland befinder 67 % af de ledige

sig i en af de tre kategorier, der er længst væk fra arbejdsmarkedet (såkaldte komplekse

profiler).

På ovennævnte grundlag er profilkategorierne fra de fire lande ikke sammenlignelige. De skal

ses som beskæftigelsespolitiske værktøjer i de pågældende lande. Inddeling i kategorierne

har betydning for, hvordan indsatser for bestemte typer ledige tilrettelægges. Et eksempel

herpå er Sverige, hvor bedömningsstödet oprindeligt blev taget i anvendelse som et værktøj

til at identificere de ca. 10 % ledige, som havde højest risiko for at blive ledige over seks

måneder, og som derfor skulle tilbydes en tidlig indsats. Værktøjet skulle sikre, at vurderin-

gen af risikoen sker ensartet i hele landet.

Kun i Australien anvendes profilering direkte til målretning af indsatsen og ressourcealloke-

ring. I Australien kan profileringsresultatet desuden udløse visitering til en uddybende vurde-

ring af den lediges arbejdsevne (JCA, Job Capacity Assessment). I Irland anvendes profilerin-

gen til at afgøre, hvornår det første møde mellem sagsbehandler og ledig skal finde sted, og

hvor intensiv en indsats der tilbydes, men ikke direkte til at vælge, hvilke indsatser der skal

iværksættes. I Sverige vælges indsatserne af sagsbehandlerne, selv om profileringen ifølge

16

ekspertvurdering først giver mening, hvis den kobles med indsatsprogrammer (Dahlén 2014).

I Tyskland er profilkategorierne i nogen grad koblet sammen med typen af indsatser, der kan

iværksættes. Det er dog alene op til sagsbehandleren at vurdere, om, og hvilken indsats, der

kan iværksættes.

Bortset fra i Australien, anvendes profilafklaringen således i meget begrænset omfang til at

afgøre, hvilke indsatser der skal i værksættes, og til ressourceallokering. Både Irland og Sve-

rige giver udtryk for, at de ønsker at udvikle statistiske profilafklaringsmodeller, der i højere

grad kan bruges til målretning af indsatser.

Tabel 6 Antallet af profilkategorier i de fire lande

Land Antal profilkatego-

rier

Underkategorier Andel af ledige i

underkategorierne, pct.

Australien 4 streams Stream 1

Stream 2

Stream 3

Stream 4

61

18

9

12

Irland 3 bands1 High-band (PEX) people

Middelkategori

Low-band (PEX) people

20

60

20

Sverige 4 kategorier Lavest risiko (0-0.4)

Næstlavest risiko (0.4-0.6)

Næsthøjest risiko (0.6-0.8)

Højest risiko (0.8-1.0)

51

34

13

2

Tyskland 6 kategorier Markedsprofil

Aktiveringsprofil

Opkvalificeringsprofil

Udviklingsprofil

Stabiliseringsprofil

Understøttende profil

7

3

23

34

18

15

Note: 1) I Irland betyder en høj profileringsscore lav risiko for langtidsledighed.

Sagsbehandlernes rolle og relation til profilering

I Australien og Irland har sagsbehandlerne ingen (Irland) eller begrænset (Australien) indfly-

delse på selve profileringsproceduren og afgørelsen af, i hvilken kategori den ledige hører til.

I de to andre systemer – Sverige og Tyskland – har sagsbehandlerne derimod stor indflydelse

på, i hvilken kategori den ledige placeres. I Sverige har sagsbehandleren mulighed for ikke at

bruge profileringsværktøjet til at kategorisere den ledige. Tabel 7 giver en oversigt over

sagsbehandlernes rolle og relation til profileringsværktøjerne i de fire lande.

Indførelse af profilafklaringen har i de fire lande haft betydning for sagsbehandlernes arbejde

på forskellig måde og i varierende grad. I Sverige har indflydelsen ikke været særlig mar-

kant, fordi sagsbehandlerne har haft stor frihed med hensyn til, om og hvordan de bruger

bedömningsstödet i deres kontakt med de ledige. I Tyskland har sagsbehandlerne i princippet

stor autonomi, men de er samtidig forpligtet til at bruge 4-PM-systemet (med de fire faser,

hvoraf den første er profilering), hver gang de er i kontakt med den ledige. Systemet er rela-

tivt detaljeret, men det er op til den enkelte sagsbehandler, hvor grundigt hun gennemfører

dokumentationen. I Australien og i Irland kommer sagsbehandlerne først i kontakt med de

Simple

profiler

Komplekse

profiler

17

ledige, efter profileringen er foretaget, og profilering omfatter samtlige personer, som er be-

rettiget til at modtage understøttelse.

Sagsbehandlernes relation til profileringsværktøjet er således forskellig i henholdsvis Austra-

lien og Irland sammenlignet med Sverige og Tyskland, selv om profilering i alle fire lande

bruges tidligt i ledighedsforløbet og over for alle nyledige. Endvidere er det forskelligt, om det

er muligt at re-kategorisere den ledige under et ledighedsforløb. Praksis i Irland er i denne

henseende forskelligt fra de tre andre lande, idet den ledige bibeholder den samme kategori

hele ledighedsperioden ud. Modsat til Irland har sagsbehandlerne/udbyderne i Australien mu-

lighed for at bruge profileringsværktøjet undervejs i ledighedsperioden og foreslå overførsel

til en anden kategori, hvis de kan dokumentere betydelige ændringer eller nye forhold i den

lediges situation. I Sverige og i Tyskland kan rekategorisering finde sted løbende, hvilket

ifølge vores informanter anses for relevant med henblik på at følge den lediges progression

og med henblik på tilrettelæggelsen af indsatsen.

I de lande hvor profileringsværktøjet skal understøtte sagsbehandlernes faglige vurdering af

de lediges forhold og forudsætninger for beskæftigelse (Sverige og Tyskland), bliver værktø-

jet ofte opfattet som ressourcekrævende at arbejde med. I Sverige giver sagsbehandlerne

udtryk for, at det statistiske profileringsværktøj bedömningsstödet kun sjældent foretager en

anden kategorisering af den ledige, end sagsbehandlerne. I Tyskland giver sagsbehandlerne

udtryk for, at det omfattende dokumentationskrav i forbindelse med profilafklaring og de

efterfølgende faser i 4-PM-modellen tager uforholdsmæssigt meget tid fra samtalerne med de

ledige.

Tabel 7 Sagsbehandlernes rolle og relation til profileringsværktøjerne i Australien, Irland,

Sverige og Tyskland

Land Værktøjets relation til sagsbe-

handlerens faglige vurdering

Sagsbehandlerens holdning til

profilering

Oplysningernes gennemsigtig-

hed for sagsbehandler og

borger 1

Austr

alien

Sagsbehandleren har ingen ind-

flydelse på den indledende kate-

gorisering

Sagsbehandlerne forholder sig

relativt neutralt/accepterende

over for systemet

Sagsbehandleren har fuldt kend-

skab til den lediges totalscore og

profil

Irla

nd Sagsbehandleren har ingen ind-

flydelse på kategoriseringen

Sagsbehandlerne forholder sig

accepterende over for systemet

Sagsbehandleren har hverken

kendskab til den lediges totalsco-

re eller profil

Sveri

ge Sagsbehandleren har den fulde

beslutningskompetence

Sagsbehandlerne er kritiske over

for systemet



profil

Tyskla

nd Sagsbehandleren har den fulde

beslutningskompetence

Sagsbehandlerne er kritiske over

for systemet



profil

Note: 1) I ingen af de fire lande bliver borgeren informeret om profileringen.

I Australien og Irland, hvor profilafklaringen udelukkende foretages på baggrund af den stati-

stiske model, er der ikke samme type modstand fra sagsbehandlerne. En forklaring herpå kan

være, at profilafklaringen er frakoblet sagsbehandlernes arbejde, som dermed ikke oplever

det autonomitab, som sagsbehandleren særligt i Sverige kan opleve i forbindelse med intro-

duktionen af det statistiske værktøj. Dermed opstår der ikke i samme grad en konflikt mel-

lem sagsbehandlernes faglige vurdering af den ledige og profilafklaringssystemets kategorise-

18

ring. Endvidere nævnes det som en fordel, at sagsbehandlerne dermed kan fokusere på selve

indsatsen. Dette kan dog ses som en sandhed med modifikationer i den forstand, at hoved-

parten af de ledige ikke tilbydes særlig meget støtte, og at ratioen mellem sagsbehandler og

ledig er høj, fx i Irland 1:500, på trods af, at der i forbindelse med reformen er ansat flere

medarbejdere. I denne sammenhæng er det væsentligt at nævne, at sagsbehandlerne i de

fire lande har forskellig uddannelsesmæssig baggrund og fagligt kvalifikationsniveau og auto-

nomi. Arbejdet i Australien og Irland karakteriseres ved vores interview som ’low-pay work’.

Gennemsigtighed for sagsbehandler og borger

Sagsbehandlerne har i de fire lande forskellig mulighed for at bruge de informationer, som

profileringsværktøjet indeholder om den ledige. Sagsbehandlerne, der står for indsatserne i

Irland, kender hverken den lediges totalscore eller profil, og kan derfor ikke anvende infor-

mationerne i det videre arbejde med de ledige. I både Australien og Sverige kender sagsbe-

handlerne sammensætningen af den lediges profil og har dermed mulighed for at se, hvilke

forhold der fx er problematiske. I Tyskland produceres informationer under interviewet mel-

lem sagsbehandleren og den ledige. Sagsbehandleren har derfor fuldt ud kendskab til , hvilke

forhold der påvirker profilkategorien, idet den afgøres på baggrund af sagsbehandlerens vur-

dering.

I ingen af de fire lande, der indgår i analysen, er der åbenhed om brugen af profileringsværk-

tøjerne. Det kommer til udtryk ved, at de ledige ikke har kendskab til anvendelsen af profile-

ringsværktøjet, og at de ikke får kendskab til, i hvilken profilkategori de placeres. Begrundel-

sen for ikke at oplyse om profileringen og kategoriseringen er ifølge vores interview, at det

vil påvirke den ledige negativt i de tilfælde, hvor profileringen placerer den ledige i de kate-

gorier, der ligger længst fra arbejdsmarkedet. Den lediges ret til at blive informeret om, hvad

de indsamlede oplysninger bruges til, er ikke et spørgsmål, som optager vores informanter.

De kommer ikke med argumenter, som kunne tale for, at de ledige skulle informeres fuldt ud

om profileringen, herunder om deres eget resultat.

Top-down-styret udvikling og implementering af profileringsværktøjerne

Udviklingen af profileringsværktøjer og den efterfølgende implementering har været top-

down-styret i alle fire lande (igangsat af relevante ministerier). I Irland og i Sverige er mo-

deludviklingen blevet foretaget af forskningsinstitutioner (hhv. ESRI, the Economic and Social

Research Institute og IFAU, Insituttet för arbetsmarknads- och utbildningspolitisk utvärde-

ring), hvorefter det videre arbejde med udformning af det konkrete værktøj er foregået i

ministerierne. I Australien og i Tyskland har de respektive ministerier været ansvarlige for

begge faser, dog har man i Australien konsulteret forskellige analyseinstitutter i forbindelse

af de periodiske review, som Australien gennemfører blandt udbyderne.

Frontlinjen, som skal anvende værktøjerne i praksis, har ikke direkte været involveret i ud-

viklingen af værktøjerne. Praksisfeltet har højst været præsenteret på ledelsesniveau i de

nationale arbejdsgrupper i udviklingsfasen i Australien, Irland og Sverige. De lokale aktører i

frontlinjen er blevet introduceret for profileringen og de konkrete værktøjer, samtidig med, at

de skulle tages i anvendelse. Som nævnt indledningsvis er dette ofte sket som en del af en

større reform, der har betydet store ændringer i frontlinjens arbejde, herunder sammenlæg-

ning af parallelle systemer til et enstrenget beskæftigelsessystem eller udlicitering af indsat-

sen. Endvidere er profileringen ofte taget i anvendelse, uden at der er sket nødvendige æn-

dringer i it-understøttelse; dette har været tilfældet for eksempel i Irland.

Implementeringsperioden har typisk været meget kort, og informationen om formålet og

fordelene med at anvende et profileringsværktøj har ifølge vores informanter ikke været ti l-

strækkelig eller har været direkte mangelfuld. Dette har været tilfældet især i Sverige. Det

19

har betydet, at sagsbehandlerne har svært ved at forstå, hvad profileringen bidrager med, og

hvordan den kan understøtte arbejdet. Konsekvensen er, at en betydelig del af sagsbehand-

lerne ikke oplever, at anvendelse af værktøjet giver mening eller skaber merværdi i deres

arbejde med de ledige. Dette synes at have som konsekvens, at værktøjet ikke bruges af

alle, og at datakvaliteten bliver mangelfuld. Introduktionen til at anvende værktøjet i praksis

har i Sverige været meget op til de lokale chefer, og der er fundet betydelige forskelle i an-

vendelse mellem lokalkontorer afhængigt af chefernes viden om og holdning til profilering.

Opmærksomhedspunkter

På baggrund af den uddybende analyse af erfaringer på tværs af de fire lande har vi formule-

ret opmærksomhedspunkter (’lessons learned’), som samler op på en række centrale fund og

relaterer vores analyse til de fem principper, som STAR (2014) har formuleret med henblik

på at udvikle et dansk profileringsværktøj.

Sammensætningen af variable

Erfaringerne fra Australien, Irland og Sverige viser, at der er bestemte variable i de underlig-

gende modeller, som viser sig at være særligt stærke prædiktorer for langtidsledighed. Vari-

able vedrørende faktuelle forhold viser sig at være de helt centrale med hensyn til at forudsi-

ge, at en person bliver langtidsledig. Der er forskellige holdninger og hensyn, som taler hen-

holdsvis for og imod at inkludere subjektive og holdningsmæssige variable i modellerne. Hvis

der alene fokuseres på at forudsige risiko for langtidsledighed, vil et begrænset antal faktuel-

le variable være tilstrækkeligt til at identificere ledige i højrisikokategorien. Hvis der derimod

også lægges vægt på at anvende profilering mere nuanceret i forhold til at målrette og tilret-

telægge indsatsen, vil variable om subjektive forhold give en merværdi. Subjektive spørgs-

mål virker legitimerende og udgør vigtige pejlemærker for den videre samtale med sagsbe-

handlerne i det omfang, sagsbehandlerne har adgang til de lediges detaljerede profiler.

Udgangspunktet for at udvikle statistiske profileringsmodeller og -værktøjer har i alle tre

lande været diagnostik, med fokus på de stærkeste prædiktorer for at identificere den subpo-

pulation, som bliver langtidsledige. Hvis profileringsværktøjet derimod skal sigte mod at af-

spejle den lediges muligheder for at indtræde på arbejdsmarkedet eller understøtte den

fremadrettede indsats, så er de mere subjektive variable særdeles relevante. Erfaringerne

især fra Australien og Sverige understøtter dette. Diskussionen om den mest relevante sam-

mensætning af variable kan i sidste ende relateres til en diskussion om, hvad der er formålet

med profileringen.

Indsamling af oplysninger

Grundlæggende kan informationerne, der indgår i profilafklaringen af de ledige, indsamles på

tre måder: ved at den ledige udfylder et spørge-/registreringsskema (manuelt eller online),

ved at sagsbehandleren registrerer oplysninger via et interview med den ledige (personligt

eller telefonisk) eller ved at indhente data fra registre. Ved de to førstnævnte fremgangsmå-

der skal man være opmærksom på, at visse typer spørgsmål kan resultere i manglende eller

upræcise informationer. Dette vil typisk gøre sig gældende i forbindelse med spørgsmål, som

handler om sensitive emner, men heller ikke spørgsmål af mere faktuel karakter er uden

fejlkilder. Det viser eksempelvis erfaringerne fra Sverige, hvor sagsbehandlerne i nogle til-

fælde undlader at stille de spørgsmål, der indgår i profileringsværktøjet. Det kan således

være både den ledige og sagsbehandleren, der er kilde til fejl eller upræcise oplysninger.

20

Sagsbehandlerens rolle i profilafklaringen

Manglende rolleklarhed mellem sagsbehandlerne og profileringsværktøjet har indflydelse på,

hvordan sagsbehandlerne tager imod og anvender værktøjet. Hvis ikke profileringsværktøjet

har et skarpt defineret formål, vil sagsbehandlerne i sagens natur være usikre på, hvad red-

skabet skal bidrage med. Man kan derfor overveje, om redskabet skal have en selvstændig

rolle i profilafklaringsforløbet.

Ved indførelsen af et statistisk baseret profileringsværktøj er det forventeligt at opleve skep-

sis og modstand fra sagsbehandlerne – i særdeleshed fra de sagsbehandlere, der har stor

viden om den pågældende målgruppe og mangeårig erfaring. Skepsis mod et statistisk profi-

leringsværktøj er forskellig eksempelvis i Sverige og i Irland, og en væsentlig forklaring her-

på kan ifølge vores interview være relateret til forskelle i kravene til sagsbehandlernes ud-

dannelse og kvalifikationer i de to lande.

Det må forventes, at mistillid og oplevelse af kontrol og manglende respekt for faglighed ty-

pisk vil føre til, at en del sagsbehandlere ikke vil tage profileringsværktøjet i brug, medmin-

dre de bliver pålagt at gøre det. Derfor er det en forudsætning, at sagsbehandlerne kan se

mening i, hvorfor værktøjet skal anvendes, og at redskabet reelt virker understøttende i de-

res arbejde. Her er det ligeledes helt centralt, at redskabet ikke opleves som en byrde

og/eller giver anledning til dobbelt registrering, og at arbejdet understøttes af et velfunge-

rende og brugervenligt IT-system.

Sagsbehandlerens adgang til resultatet af profilafklaringen

Hvis sagsbehandlerne skal have mulighed for at anvende profileringsværktøjet aktivt i indsat-

sen over for den ledige, er det nødvendigt, at de har adgang til resultatet af profilafklaringen,

herunder den lediges score og betydningen af de enkelte variable for den lediges kategorise-

ring. Ved at give sagsbehandleren indblik i betydningen af de enkelte variable for kategorise-

ringen, får sagsbehandleren et udgangspunkt for det videre arbejde med den ledige. Det vil

eksempelvis være muligt at se, hvilke barrierer der særligt måtte være relevante at arbejde

med. Får sagsbehandleren ikke adgang til disse informationer, er der større risiko for, at

værktøjet blot bliver opfattet som en ekstra byrde.

Profilafklaringens gennemsigtighed for borgerne

Ved anvendelse af et profileringsværktøj er det væsentligt at gøre sig nøje overvejelser om,

hvordan de ledige informeres om profileringen, og hvad hensigten er med at informere de

ledige om deres profilkategori, herunder de faktorer, der har haft betydning for den tildelte

kategori. Hvis den ledige informeres om de væsentligste barrierer og/eller om den tildelte

profilkategori, kan det skabe unødig bekymring, hvis ikke dette følges op af en handleplan,

som tager hånd om de problemer, den ledige måtte have.



ringsværktøjet, og at de ikke får kendskab til, i hvilken profilkategori de placeres. Den lediges

ret til at blive informeret om, hvad de indsamlede oplysninger bruges til, er ikke et spørgs-

mål, som optager vores informanter i de fire undersøgte lande. De kommer ikke med argu-

menter, som kunne tale for, at de ledige skulle informeres fuldt ud om profileringen, herun-

der deres eget resultat, og at information og inddragelse vil kunne gøres på en måde, der vil

skabe større ejerskab hos borgeren.

Valg af antallet at profilkategorier

I valget af antallet af profilkategorier og fastsættelsen af cut-off-punkter er det væsentligt at

tage udgangspunkt i, hvilke hensyn der ønskes prioriteret. Der kan således indgå hensyn til

21

kapaciteten i beskæftigelsessystemet. Eksempelvis kan der være ressourcemæssige begrun-

delser for, hvor mange eller hvor stor en andel ledige der ønskes i hver profilkategori. Om-

vendt kan det være et særligt hensyn, at der opnås høj træfsikkerhed eksempelvis i forbin-

delse med profilkategorien for de mest udsatte grupper, og derfor sættes cut-off-grænsen

relativt højt. Gennemgangen af de udvalgte landes profilværktøjer har ikke givet anledning til

at identificere et optimalt antal profilkategorier, herunder den nærmere fastsættelse af cut-

off-punkterne for hver kategori. I sidste ende må antallet af kategorier og cut-off-punkterne

bero på en politisk/administrativ beslutning.

Den statistiske models træfsikkerhed

Den statistiske models træfsikkerhed afhænger af det cut-off-punkt, der vælges. Hvis man

udelukkende fokuserer på at identificere de ledige, der har 80 % eller derover sandsynlighed

for at blive langtidsledige, vil træfsikkerheden ved hjælp af et profileringsværktøj være bed-

re, end hvis man fokuserer på en bredere gruppe af ledige, fx ved at sætte cut-off-punktet

lavere. Dette illustreres konkret ved analyser af det irske profileringsværktøj, hvor modellens

træfsikkerhed præsenteres ved forskellige cut-off-punkter. Således er modellerne og profile-



med usikkerhed over for en betydelig del af de ledige. For middelrisikogrupperne vil sagsbe-

handlernes faglige vurdering typisk give merværdi i relation til databaseret profilering.

En anden pointe med hensyn til den statistiske models træfsikkerhed er, at det er mere afgø-

rende for træfsikkerheden, at de relevante variable inkluderes, end præcist hvilken statistisk

model der anvendes (bl.a. O’Connell et al. 2012; KORAs interview om den svenske model).

Implementering af profileringsværktøjet

Det er væsentligt nøje at overveje, hvordan den konkrete implementering af et statistisk

profileringsværktøj skal foregå. Hvis implementeringen gennemføres som top-down-styret, er

det sandsynligt, at sagsbehandlerne oplever værktøjet som ugennemtænkt og uvedkommen-

de eller som en pligt, der besværliggør frem for gavner arbejdet med de ledige. Det er vigtigt

at overveje, hvordan sagsbehandlerne inddrages i forbindelse med udviklingen af de konkrete

arbejdsgange, hvori værktøjet skal indgå, og hvordan profileringen introduceres og begrun-

des for frontlinjen. Implementeringssucces synes at være tæt relateret til, om sagsbehand-

lerne kan se værktøjet som meningsfuldt. I den forbindelse nævner vores informanter vigtig-

heden af, at profilering ikke alene bruges til diagnostik, men kobles og tænkes sammen med

udvælgelse af indsatser.

22

1 Baggrund og formål

Profilering, dvs. kategorisering af ledige til forskellige risikogrupper, har været i fokus på

beskæftigelsesområdet siden 1990’erne. Australien var det første land, som i 1998 indførte et

profileringsværktøj, baseret på en statistisk model, som en integreret del af beskæftigelses-

indsatsen over for alle ledige. Næsten sideløbende arbejdede bl.a. USA og Canada med stati-

stisk profilering. Efter år 2000 har flere lande udviklet profileringsmodeller, som enten bygger

på statistiske modeller, eller på sagsbehandlernes faglige vurderinger. De nationale værktøjer

er i stor udstrækning udviklet på baggrund af inspiration fra hinandens og de landes model-

ler, som var forgængere på området. Anvendelsen af profileringsværktøjer er forskellig fra

land til land. I nogle lande bruges de udelukkende til at kategorisere de ledige i henhold til

risiko for langtidsledighed, i andre lande bruges de til at allokere ressourcer til forskellige

grupper af ledige. Flere lande har af forskellige årsager udfaset modellerne efter kortere tids

anvendelse, heriblandt Canada, Finland, Holland og Schweiz.

I Danmark har der været afprøvet to forskellige former for profilering af ledige. Den ene var

Jobbarometer, som repræsenterer statistisk profilering. Den anden var matchkategorisering,

som repræsenterer sagsbehandlerbaseret profilering. Jobbarometer byggede på registerbase-

rede oplysninger og blev indført i 2004 (Rosholm et al. 2006). Matchkategorisering var alene

baseret på sagsbehandlernes vurdering af den lediges arbejdsmarkedsparathed. Ingen af de

to systemer anvendes i dag.

Spørgsmålet om brugen af statistisk profilering i en dansk kontekst er blevet aktuelt på ny i

forbindelse med en række reformer på beskæftigelsesområdet, herunder kontanthjælpsre-

formen, der trådte i kraft den 1. januar 2014. Reformen har sat kraftigt fokus på uddannelse

som en central indsats for at hjælpe unge under 30 år ud af offentlig forsørgelse. Sagsbe-

handlerne i kommunerne har som opgave at vurdere de unges uddannelsesparathed for at

virkeliggøre reformens intentioner om, at så mange unge som muligt gennemfører en kompe-

tencegivende uddannelse. For at uddannelsesindsatsen bliver effektueret i praksis og bliver

en virkningsfuld indsats mod arbejdsløshed og marginalisering blandt de unge, er det påkræ-

vet, at indsatsen sammensættes i relation til den enkelte unges ressourcer og behov. Heri ser

STAR et statistisk profileringsværktøj som et redskab, der kan understøtte sagsbehandlerne i

frontlinjen i deres arbejde.

På den baggrund ønsker STAR at udvikle et statistisk profileringsværktøj, der understøtter

sagsbehandlernes faglige vurdering og samtidig virker som et dialogværktøj i mødet med de

unge ledige. Værktøjet skal bidrage til en tidlig visitation af de unge og målrette indsatsen

således, at ressourcerne anvendes på dem, der har størst behov. Samtidig skal profilerings-

værktøjet give et fælles udgangspunkt for den indsats, der igangsættes, bl.a. ved at hjælpe

de unge til at blive mere afklarede allerede fra de første samtaler.

Som led i udviklingen af et statistisk profileringsværktøj, særligt rettet mod unge, har STAR

ønsket en videnopsamling og analyse af de erfaringer, som andre lande har gjort med at

udvikle og implementere af statistiske profileringsværktøjer i arbejdet med ledige. Hensigten

er dermed at bygge bro mellem internationale erfaringer og det igangværende udviklingsar-

bejde i Danmark og opnå et velunderbygget grundlag for et profileringsværktøj, som er rele-

vant i dansk kontekst.

KORAs videnopsamling af internationale erfaringer, som denne rapport fokuserer på, er i al

væsentlighed en praksisanalyse, som tager udgangspunkt i fire landes profileringsmetoder og

-praksis. Vi sætter i beskrivelsen af profileringsværktøjerne i disse lande fokus på profile-

ringsinstrumenternes indhold, konkrete anvendelse i frontlinjen og de statistiske modellers

23

træfsikkerhed. Set i forhold til de hidtidige internationale review af profileringsværktøjer (jf.

bl.a. Loxha & Morgandi 2014) er hensigten med vores analyse at give en konkret indsigt i,

hvordan profileringen foregår og fungerer i praksis. Derudover retter vores interesse sig mod

praktikernes relation til profilering og det output, profileringen giver med henblik på den ledi-

ges efterfølgende forløb i beskæftigelsessystemet.

STAR har formuleret fem grundprincipper for arbejdet med at udvikle et dansk profilerings-

værktøj, og vi har i vores analyse haft fokus på at afdække, i hvilket omfang de enkelte lan-

des profileringsværktøjer lever op til disse principper (STARs notat ’Principper for arbejdet

med profilafklaring’ 2014). Det drejer sig om, at profileringsværktøjet skal:

1. understøtte sagsbehandlerens faglige vurdering – ikke erstatte den

2. være gennemsigtigt for såvel borger som sagsbehandler og skal kunne anvendes som

udgangspunktet for dialog

3. have fokus på den lediges ressourcer; outputtet må ikke stigmatisere.

4. være selvlærende med mulighed for at kunne udbygges løbende med nyt datagrundlag

5. bygge på alle tilgængelige, relevante og valide variable, dvs. både faktuelle og subjektive

variable.

Begreber

Begrebet profilering eller profilafklaring anvendes i litteraturen og i daglig tale på forskellig

måde. Vi bruger profilering som et overordnet begreb og dermed som en betegnelse for en

aktivitet, som handler om at opdele modtagere af ydelser i forskellige grupper bl.a. på bag-

grund af deres individuelle karakteristika eller andre forhold. Profilering kan foretages enten

ved hjælp af statistiske modeller eller på baggrund af faglig vurdering, eller i en kombination

af begge. De tre former for profilering betegnes i international litteratur henholdsvis som

databaseret, sagsbehandlerbaseret og dataassisteret profilering (jf. bl.a. Loxha & Morgandi

2014), og vi anvender denne sondring i rapporten.

Profileringen kan tjene forskellige formål. I denne rapport sondrer vi mellem tre overordnede

formål, som tager udgangspunkt i terminologien anvendt i en ny rapport fra Verdensbanken

(Loxha & Morgandi 2014). Profileringsværktøjerne kan for det første have et diagnostisk sig-

te, dvs. fokusere på at kategorisere den ledige i henhold til dennes afstand fra arbejdsmar-

kedet eller sandsynlighed for langtidsledighed. For det andet kan profileringsværktøjet have

til formål at målrette indsatsen for den ledige. Dette omtales i ovennævnte rapport som tar-

geting eller segmentering. I det fald vil værktøjet blive brugt til at afgøre/styre, hvilken type

indsats der skal iværksættes over for den ledige. De indsatser, værktøjerne vælger, kan en-

ten være konkrete med meget begrænset handlerum til sagsbehandlerne, eller de kan være

bredere, med plads til sagsbehandlernes skøn. For det tredje kan profileringsværktøjet have

et ressourceallokerende sigte. I dette tilfælde vil værktøjet på baggrund af den valgte profil

afgøre, hvor mange økonomiske og/eller tidsmæssige ressourcer, der afsættes til den ledige.

Indførelse af profileringsværktøjer påvirker frontmedarbejderes arbejdssituation og kontakt

med de ledige på forskellig måde afhængigt af, hvordan og af hvem profileringen gennemfø-

res. Frontmedarbejderne på beskæftigelsesområdet i forskellige lande har forskellig uddan-

nelsesmæssig baggrund, fagligt kvalifikationsniveau og autonomi. Vel vidende, at sagsbe-

handler er en uspecifik og generel samlebetegnelse, som ikke retfærdiggør sådanne forskelle,

anvender vi i rapporten for overskuelighedens skyld denne betegnelse for personalet, som

står for indsatsen for de ledige.

24

Rapporten er opbygget som følger:

Kapitel 2 gennemgår de anvendte metoder og fremgangsmåder i forbindelse med projektets

to dele: det indledende review og den praksisnære caseanalyse.

Kapitel 3 opsummerer hovedpointerne i forbindelse med det indledende review af otte lan-

des profileringsværktøjer.

Kapitel 4 beskriver profileringsværktøjerne i henholdsvis Australien, Irland, Sverige og Tysk-

land.

Kapitel 5 sammenfatter og konkluderer på resultaterne af den uddybende analyse af profile-

ringsværktøjerne i ovennævnte fire lande. Kapitlet opstiller i den forbindelse en

række opmærksompunkter med henblik på det videre arbejde med udviklingen af

et dansk profileringsværktøj.

25

2 Metode og praktisk gennemførsel

Dette kapitel består af to hovedafsnit, som er relateret til projektets to dele. Først beskriver

vi i afsnit 2.1 fremgangsmåden, de anvendte metoder og den praktiske gennemførsel af det

indledende review (trin 1). I afsnit 2.2 beskriver vi de anvendte metoder og fremgangsmåden

i forbindelse med gennemførsel af den uddybende praksisanalyse af profileringsværktøjerne i

fire udvalgte lande (trin 2).

2.1 Trin 1: Review af internationale erfaringer med

profileringsværktøjer

Formålet med trin 1 var at foretage et systematisk review af de erfaringer andre lande har

gjort sig med profileringsværktøjer. Reviewet blev gennemført via tre faser, jf. afsnit 2.1.1-

2.1.3. Der blev først udarbejdet en bruttoliste over lande med profileringsværktøjer, hvoref-

ter otte lande blev udvalgt til at indgå i et systematisk review, som efterfølgende blev gen-

nemført efter en ensartet metode.

2.1.1 Udarbejdelse af bruttoliste over lande med profileringsværktøjer

Bruttolisten over lande med profileringsværktøjer blev udarbejdet på baggrund af en syste-

matisk litteratursøgning i internationale såvel som i danske og nordiske databaser samt en

supplerende googlesøgning ved hjælp af udvalgte nøgleord. Denne søgning blev gennemført

af KORAs informationsspecialist. Søgningen blev gennemført i oktober 2014, og den blev

afgrænset til at omfatte litteratur publiceret i perioden 1990-2014, dvs. fra den periode, hvor

aktiviteten omkring udviklingen af profileringsmodellerne har været til stede. De anvendte

databaser samt en (komplet) liste over de anvendte søgeord fremgår af bilag 1. Som det

fremgår, gav søgningen i databaser et relativt begrænset materiale. Derimod resulterede

googlesøgningen efter forfattere, navne på profileringsværktøjer, relevante konferencer på

beskæftigelsesområdet o.l. i flere kilder.

Samlet blev der gennem ovennævnte søgeprocedurer identificeret 25 lande, som anvender

eller har anvendt profileringsværktøjer i afklaringen af ledige. Bruttolisten over disse 25 lan-

de findes i bilag 2.

2.1.2 Udvælgelse af otte lande til review af profileringsværktøjer

På baggrund af ovennævnte bruttoliste kunne otte af de 25 identificerede profileringsværktø-

jer umiddelbart ekskluderes. Dels var værktøjerne ikke taget i brug, dels var primærmateria-

let meget sparsomt eller var svært tilgængeligt (jf. bilag 2). De resterende 17 landes profile-

ringsværktøjer gennemgik yderligere en sortering med henblik på at udvælge et mindre antal

lande til det systematiske review. Ved denne udvælgelse blev der lagt vægt på, at:

der skulle være tale om statistisk profilering, evt. sammenholdt med sagsbehandlerens

vurdering. Herunder blev det prioriteret at:

o landene anvendte dataassisterede modeller (hvor en statistisk profilering kombine-

res med sagsbehandlerens vurdering)

o minimum et land anvendte udelukkende en databaseret profileringsmodel

26

profileringsværktøjet skulle være relativt veldokumenteret vedrørende indhold og an-

vendelse

der i tilfælde af lande med sammenlignelige profileringsværktøjer blev tilvalgt de værk-

tøjer, der var indholdsmæssigt mest interessante og veldokumenterede og samtidig fra-

valgt de værktøjer, der ikke bidrog med merværdi set i relation til de instrumenter, der

blev tilvalgt.

Udvælgelsen skulle således sikre, at kun profileringsværktøjer, som bidrog med relevant og

unik viden kom med i det endelige review. For at kunne foretage udvælgelsen blev litteratur-

søgningen løbende suppleret med litteratur for de enkelte landes vedkommende. På dette

grundlag blev otte landes profileringsværktøjer udvalgt til at indgå i det endelige review (jf.

Tabel 2.1).

Tabel 2.1 De 17 udvalgte landes profileringsværktøjer vurderet efter relevans for reviewet

Lande, der indgår i systematisk review Lande, der blev udeladt af systematisk review

Australien

Finland

Frankrig

Holland

Irland

Sverige

Tyskland

USA

Belgien

Canada

Danmark

New Zealand

Schweiz

Slovenien

Storbritannien

Sydkorea

Østrig

Det har senere vist sig, at det tyske profileringsværktøj ikke opfylder kravet om, at der fore-

tages en statistisk profilering. Dette er vi dog først blevet opmærksomme på i forbindelse

med den uddybende praksisanalyse, hvor Tyskland indgår som et af caselandene. Af flere

tidligere internationale review af profileringsværktøjer fremgik det, at Tyskland benytter sta-

tistisk profilering i kombination med sagsbehandlernes vurderinger (bl.a. Konle-Seidl &

Schewe 2008, Collewet et al. 2010, O’Connoll et al. 2012). Det tyske værktøj er medtaget i

analysen, da sagsbehandlerne skal foretage profilering af alle ledige på baggrund af et udfør-

ligt IT-baseret registreringssystem med veldefinerede regler. Derfor giver det tyske system

et godt indblik i et system, hvor sagsbehandlernes faglighed er forsøgt integreret med et

profileringsværktøj. Endvidere har det tyske sagsbehandlerbaserede system karakteristika,

som er særdeles relevante med hensyn til konstruering af et profileringsværktøj: fokus på

den lediges styrker og kobling mellem profilering og indsatser.

2.1.3 Review af profileringsværktøjer i otte lande

For at systematisere reviewet af de otte udvalgte landes profileringsværktøjer blev der an-

vendt et screeningsskema, som indeholdt følgende fokuspunkter (screeningsskemaet fremgår

af bilag 3):

1. Formål med profileringsværktøjet (diagnostik, målretning af indsatsen, ressourcealloke-

ring, jf. begrebsafklaring i kapitel 1)

2. Profileringsværktøjets relation til sagsbehandlernes vurdering (er værktøjet sagsbehand-

lerbaseret, dataassisteret eller databaseret)

3. Målgruppen for profileringsværktøjet

4. Kategorier, profileringsværktøjet opdeler de ledige i

27

5. Den anvendte statistiske model bag profileringsværktøjet

6. De uafhængige variable, der indgår i modellen

7. Evidens for effekt af profileringsværktøjet (træfsikkerhed)

8. Implementeringsprocessen i forbindelse med værktøjet

9. Konteksten som profileringsværktøjet er udviklet i

10. Værktøjets relation til STARs fem principper for profilafklaring (jf. kapitel 1)

11. Værktøjets relevans i en dansk beskæftigelseskontekst.

Udarbejdelse af reviewet tog primært udgangspunkt i tidligere internationale review (Rudolph

& Konle-Seidl 2005, Collewet et al. 2010, PES to PES Dialogue Conference 2011, Loxha &

Morgandi 2014). I det omfang dette materiale ikke viste sig tilstrækkeligt, blev der suppleret

med primærlitteratur fra enkelte lande.

Anvendelse af screeningsskemaet sikrede, at de otte landes profileringsværktøjer blev vurde-

ret og beskrevet efter ensartede principper. Dette gjorde det muligt at foretage tværgående

sammenligninger mellem de otte lande og udvælge fire lande til den uddybende analyse i

projektets anden fase.

2.2 Trin 2: Uddybende praksisanalyse af internationale

erfaringer med profileringsværktøjer

På baggrund af en komparativ analyse af profileringsværktøjerne i de otte lande, som indgik i

det indledende review, blev der i samarbejde med STAR udvalgt fire lande til den uddybende

praksisanalyse. I tabel 2.2 vises de fire lande, som blev udvalgt til at indgå i den uddybende

analyse, samt begrundelserne for udvælgelsen. Det drejer sig om lande, der kunne forventes

at bidrage med mest relevant og selvstændig viden om og erfaringer med udvikling, imple-

mentering og anvendelse af profileringsværktøjer. Dertil kommer, at den udvalgte kombinati-

on af fire lande blev vurderet at repræsentere en vis forskellighed og dermed bidrage med

viden, som kompletterer hinanden.

Formålet med den uddybende praksisanalyse i trin 2 var at udbygge den viden, der blev til-

vejebragt via reviewet i trin 1, som alene byggede på offentligt tilgængeligt skriftligt materia-

le. I analysen af de udvalgte fire landes værktøjer blev der sat fokus på at beskrive profile-

ringsværktøjernes a) formål, b) målgrupper, c) overensstemmelse med STARs fem grund-

principper for profilafklaring (jf. kapitel 1) og d) evidens for effekt, samt e) drivere og barrie-

rer i forbindelse med implementering og anvendelse af profileringsværktøjerne. Disse temaer

er nærmere beskrevet i punktopstillingen i afsnit 2.1.3.

Rekrutteringen af informanter, dataindsamlingen og de efterfølgende analyser af profilerings-

værktøjer har overordnet fulgt den samme fremgangsmåde i alle fire lande. Fremgangsmå-

den beskrives i de følgende afsnit 2.2.1-2.2.3.

28

Tabel 2.2 Lande udvalgt til den uddybende praksisanalyse

Land Begrundelse

Australien Udelukkende databaseret


Gennemtestet: anvendt siden 1998

Flere formål med samme værktøj (diagnostik, målretning af indsatsen og

ressourceallokering)

Irland Nyimplementeret: Indsigt i implementeringsprocessen


Flere formål med samme værktøj (diagnostik, målretning af indsatsen, res-

sourceallokering)

Sverige Entydigt formål (diagnostik)

Viden om sagsbehandlernes holdninger til og anvendelse af værktøjet

Kun faktuelle variable

Nordisk – relevans for dansk kontekst

Tyskland Stor grad af sagsbehandlerautonomi

Viden om sagsbehandlernes modstand mod værktøjet

2.2.1 Rekruttering af informanter

På baggrund af en gennemgang af den litteratur som blev identificeret i forbindelse med re-

viewet i trin 1, blev det afdækket, hvilke centrale områder ved de enkelte profileringsværktø-

jer, der krævede en nærmere undersøgelse. Litteraturgennemgangen medvirkede derudover

til, at nogle nøglepersoner med central viden om profilafklaringsmetoder i de enkelte lande

blev identificeret.

Rekrutteringen af relevante informanter viste sig at være en særdeles tidskrævende proces,

som i hvert enkelt land bestod af opsporing af informanter i flere faser. Der blev anvendt

flere forskellige metoder til at finde frem til de relevante personer, heriblandt kontaktskabel-

se gennem forskere i de pågældende lande, henvendelse direkte til de relevante myndigheder

i centraladministrationen på beskæftigelsesområdet og opsøgning gennem eget kontaktnet-

værk.

På denne måde blev der rekrutteret forskellige typer af informanter, som hver især bidrog

med informationer om og indsigt i profileringsværktøjerne og deres anvendelse.

2.2.2 Dataindsamling

Den primære dataindsamling foregik via semistrukturerede interview med forskellige typer

informanter, dvs. repræsentanter for centraladministrationen, forskere/policyanalytikere, der

havde haft ansvaret for udviklingen af de statistiske modeller, samt praktikere i frontlinjen.

Ud over interviewene blev der gennem kontakt- og interviewpersonerne i hvert land indsam-

let forskelligt upubliceret dokumentationsmateriale af de fire profileringsværktøjer. Inter-

viewene blev endvidere fulgt op med afklarende og supplerende spørgsmål gennem mailkor-

respondance i dataindsamlings- og analysefasen.

Som det fremgår af tabel 2.3, repræsenterede informanterne i hvert land flere forskellige

organisationer og geografiske lokaliteter.

29

Tabel 2.3 Informanternes geografiske og organisatoriske tilhørsforhold

Land Informanter/institutioner

Australien Jobs Australia, Ltd., Canberra1

University of Queensland, Brisbane

Irland Department of Social Protection

- Galway Regional Office

- Statistics Unit, Dublin

- INTREO centre Dublin South

ESRI, The Economic and Social Research Institute, Dublin

Sverige Arbetsförmedlingen, Analyseavdelingen, Forsknings- och utvärderingsenheten, Stock-

holm

IFAU, Instituttet för arbetsmarknads- och utbildningspolitisk utvärdering, Uppsala

Tyskland Bundesagentur für Arbeit (BA), Nürnberg (hovedkontor)

Bundesagentur für Arbeit (BA: Jobcenter Berlin Charlottenburg-Wilmersdorf)

IAB, Institut für Arbeitsmarkt- und Berufsforschung, Nürnberg

Note: 1) Hovedorganisationen af non-profit udbydere i Australien. Jobs Australia er en del af Job Services Australia,

JSA, som står for beskæftigelsesindsatsen i Australien med et stort antal for non-profit og for-profit udbydere.

Der blev foretaget individuelle interview med forskerne og centralt placerede eksperter i cen-

traladministrationen i alle andre lande bortset fra Australien, hvor forskerkontakten var base-

ret alene på mailkorrespondance og publicerede artikler. I Irland (Dublin) og i Tyskland (Ber-

lin) blev der derudover foretaget besøgsinterview i lokale beskæftigelsesforvaltninger. Formå-

let med besøgene var at få indblik i den praktiske anvendelse af profileringsværktøjerne,

hvilket var særdeles vigtigt for Tysklands vedkommende, hvor profileringen viste sig at være

baseret på sagsbehandlernes vurdering, og ikke et statistisk profileringsværktøj.

Af praktiske årsager – geografisk afstand – blev der ikke gennemført besøgsinterview i Au-

stralien. Dertil kommer, at det organisatoriske set-up med et rent databaseret profilerings-

værktøj gjorde linket mellem sagsbehandler og statistisk profileringsværktøj mindre interes-

sant. I Sverige blev et besøgsinterview fravalgt efter anbefaling fra nøglepersoner og der blev

i stedet draget nytte af de for nylig gennemførte analyser, som forskningsinstituttet IFAU har

udgivet i 2014 (Assadi 2014, Assadi & Lundin 2014). Disse analyser består bl.a. i en lands-

dækkende evaluering af det svenske profileringsværktøj og dets relation til sagsbehandlerne.

Det blev derfor vurderet, at et besøgsinterview ikke ville bidrage med yderligere information.

Det ville endvidere have været svært at udvælge repræsentanter for praksis, idet værktøjet

ifølge ovennævnte analyser anvendes forskelligt på forskellige lokalkontorer.

I forbindelse med besøgsinterviewene såvel som Skype-interviewene har vi foretaget en ind-

samling af diverse upubliceret materiale. På den måde fik vi udbygget dokumentationsmate-

riale med ikke-offentligt tilgængelige informationer vedrørende:

den statistiske model, herunder dennes træfsikkerhed

brugermanualer/tekniske vejledninger.

upublicerede rapporter og evalueringer

registreringsskemaer/spørgeskemaer til de ledige

variabellister.

De typer af informationer, som informanterne bidrog med, fremgår af tabel 2.4.

30

Tabel 2.4 Informationstyper fra informanter

Informanttyper Informationstype

Forskere Det politiske formål med profileringsværktøjet

Den konkrete anvendelse i beskæftigelsespolitikken


Den statistiske model

Embedsmænd/centralt placere-

de eksperter

Det politiske formål med profileringsværktøjet

Den konkrete anvendelse i beskæftigelsespolitikken



Sagsbehandlere Den konkrete anvendelse af profileringsværktøjet


De lediges oplevelse og udbytte af profileringsværktøjet

2.2.3 Analyse

Det indsamlede datamateriale til den uddybende beskrivelse af profileringsværktøjerne i Au-

stralien, Irland, Sverige og Tyskland er blevet analyseret via en kvalitativ indholdsanalyse,

hvor data kategoriseres i henhold til en række foruddefinerede overskrifter, som i store træk

har taget udgangspunkt i punktopstillingen i afsnit 2.1.3.

Den systematiske kodning har medført, at materialet fra de gennemførte fire casestudier er

blevet analyseres ens, hvormed de enkelte profileringsværktøjer er vurderet op mod det

samme grundlag (jf. opbygningen i beskrivelserne i kapitel 4). Denne fremgangsmåde har

derudover muliggjort en systematisk sammenligning på tværs af profileringsværktøjer, hvil-

ket vi præsenterer i det afsluttende kapitel 5.

31

3 Review af internationale erfaringer med


I det følgende gennemgås hovedresultaterne af trin 1, review af otte landes profileringsværk-

tøjer. Vi præsenterer resultaterne i følgende tre hovedafsnit: profileringsværktøjernes indhold

(afsnit 3.1), sagsbehandlernes relation til profileringsværktøjerne (afsnit 3.2) og beskrivelse

af de statistiske modeller bag profileringsværktøjerne (afsnit 3.3).

Reviewet tager primært udgangspunkt i tidligere internationale review (Rudolph & Konle-

Seidl 2005, Collewet et al. 2010, PES to PES Dialogue Conference 2011, Loxha & Morgandi

2014). I det omfang dette materiale ikke har vist sig tilstrækkeligt, er der suppleret med

primærlitteratur fra enkelte lande. Reviewene for Australien, Irland, Sverige og Tyskland er

blevet revideret i det omfang den praksisnære analyse i disse lande har givet anledning til

det.

3.1 Profileringsværktøjernes indhold og anvendelse

Som det fremgår af tabel 3.1, kan profileringsværktøjerne i fire af de otte lande – Finland,

Frankrig, Holland og Sverige – karakteriseres som dataassisterede. Det betyder, at profile-

ringsværktøjet udelukkende bidrager med en indledende kategorisering af de ledige, mens

sagsbehandleren tager den endelige beslutning om, i hvilken kategori den ledige placeres. I

Australien, Irland og USA benyttes der en rent databaseret model. I disse lande har sagsbe-

handleren ingen, eller kun begrænset indflydelse på den lediges kategorisering. Tyskland

adskiller sig fra de øvrige lande i og med, at der benyttes en rent sagsbehandlerbaseret mo-

del1.

I alle otte lande benyttes profilafklaringen til at diagnosticere de ledige i henhold til deres

afstand fra arbejdsmarkedet og/eller deres sandsynlighed for langtidsledighed. De ledige

placeres i én af flere mulige kategorier.

Særligt lande med en databaseret profilafklaring benytter derudover også profileringsværktø-

jet til at allokere ressourcer til de grupper, som landene ønsker, skal have den mest omfat-

tende indsats, samt til at afgøre, hvilke overordnede typer af indsatser der skal iværksættes.

Valget af, hvilke konkrete indsatser der iværksættes, afgøres dog oftest af sagsbehandlerne.

Landene med en dataassisteret model er derimod kendetegnet ved, at de i højere grad over-

lader ressourceallokeringen og valget af indsats til sagsbehandlerne.

Endelig ses det af tabellen, at profileringen i overvejende grad foregår i forbindelse med, at

en borger registrerer sig som ledig.

1 Reviewet af det tyske profileringsværktøj gav oprindelig anledning til, at landets profilafklaring blev kate-

goriseret som dataassisteret, da det af flere kilder fremgik, at der blev foretaget en indledende statistisk profilering af de ledige. KORAs uddybende praksisanalyse gjorde det dog klart, at det i dag udelukkende er sagsbehandlerne, der foretager profilafklaringen af de ledige.

32

Tabel 3.1 Profileringsværktøjernes indhold og anvendelse

Land Type profile-

ringssystem

Formålet med værktøjet Kategorisering af

ledige1

Implemen-

teringsår

Hvornår

anvendes

profilerings-

værktøjet?

Austr

alien


Målretning af indsatsen

Ressourceallokering

4 kategorier vedr.

arbejdsmarkedsparathed

1998 Ved tilmelding

Irla

nd Databaseret Diagnostik


Ressourceallokering

3 kategorier vedr. sand-

synlighed for langtids-

ledighed

2013 Ved tilmelding

US

A



Ressourceallokering

Afhænger af stat 1996 Ved tilmelding

Fin

land Dataassisteret Diagnostik 5 kategorier vedr. risiko

for langtidsledighed

2007 Ved tilmelding

Fra

nkri

g Dataassisteret Diagnostik 3 kategorier vedr. sand-


ledighed

2006 Før første møde

Holland Dataassisteret Diagnostik


2 kategorier vedr. sand-


ledighed

2013 6-8 uger efter

en borger har

meldt sig ledig.

Sveri

ge Dataassisteret Diagnostik 4 kategorier vedr.



med sagsbe-

handler

Tyskla

nd Sagsbehandler-

baseret

Diagnostik


Ressourceallokering

6 kategorier vedr.


2009 Første møde

med sagsbe-

handleren

Note: 1) Uafhængigt af betegnelserne er kategoriseringen af ledige i alle lande baseret på modeller, der forudsiger risiko-

en for langtidsledighed (bortset fra Tyskland, hvor kategoriseringen ikke er baseret på statistiske modeller).

3.2 Sagsbehandlernes relation til profileringsværktøjet

Som det fremgår af tabel 3.2, er der i lande med dataassisterende modeller oftest en høj

grad af autonomi hos sagsbehandlerne. På den måde bidrager profileringsværktøjet kun med

den indledende profilering af den ledige samtidig med, at profileringsværktøjet kun har til

formål at støtte sagsbehandlerne i deres arbejde. I lande med en databaseret model har

sagsbehandlerne derimod kun meget begrænset indflydelse på de lediges klassificering.

Det ses desuden af tabellen, at der i lande med dataassisterende modeller ofte er en del

modstand og skepsis mod anvendelse af profileringsværktøjerne hos sagsbehandlerne. I lan-

de med en rent databaseret model er der derimod ikke umiddelbart modstand blandt sagsbe-

handlerne. Profileringen gennemføres i disse lande allerede ved tilmelding og af andet perso-

nale end de sagsbehandlere, som tager sig af indsatserne.

33

Tabel 3.2 Sagsbehandlernes relation til profileringsværktøjet

Land Værktøjets relation til

sagsbehandlerens

faglige vurdering

Drivere Barrierer Aktualitet

Austr

alien Sagsbehandleren har

ingen indflydelse på den

indledende kategorise-

ring.

Ingen nævneværdige Udbyderne har incita-

ment til at flytte den

ledige til en højere

kategori, idet det udløser

et større budget

Anvendes stadig over for

alle ledige

Irla

nd Sagsbehandleren har

ingen indflydelse på

kategoriseringen

Sagsbehandlerne er

positivt stemt over for

systemet

For få sagsbehandlere

ift. at kunne tilbyde de

indsatser, der fulgte med

profileringen


alle ledige

US

A

Sagsbehandleren har

ingen indflydelse på

kategoriseringen

- ? Anvendes stadig over for

alle ledige

Fin

land Sagsbehandleren har

den endelige beslut-

ningskompetence

- Sagsbehandlerne er

kritiske over for syste-

met

Anvendes meget lidt

Fra

nkri

g Sagsbehandleren har

den endelige beslut-

ningskompetence



met

Anvendes sandsynligvis

stadig

Holland ? - ? Anvendes ikke længere

Sveri

ge Sagsbehandleren har

den fulde beslutnings-

kompetence

Nogle lokale chefer er

positive over for syste-

met

Sagsbehandlerne er


met

Anvendes stadig, men

ikke systematisk over for

alle ledige

Tyskla

nd Sagsbehandleren har

den fulde beslutnings-

kompetence



met


alle ledige

3.3 De statistiske modeller bag profileringsværktøjerne

De fleste lande anvender en statistisk model, der beregner den lediges sandsynlighed for

langtidsledighed. Enten anvendes der en logistisk regressionsmodel, eller en probit-model. I

praksis er disse modeller dog stort set ens.

Tabel 3.3 nedenfor opsummerer hovedpointerne vedrørende de statistiske modeller bag pro-

fileringsværktøjerne i de otte lande.

34

Tabel 3.3 De statistiske modeller bag profileringsværktøjerne

Land Statistisk model Typer af variable Hvordan indsamles data Evidens for træf-

sikkerhed1

Australien Logistisk

regressionsmodel

18 faktuelle og subjektive Registerdata og spørge-

skemadata

Ja

Irland Probit-model 24 faktuelle og subjektive Registerdata og spørge-

skemadata

Ja

USA Afhænger af den

enkelte stat

faktuelle ? Ja, men kun gamle

undersøgelser

Finland Logistisk

regressionsmodel

8 faktuelle Registerdata Ja

Frankrig ? 16 faktuelle ? ?

Holland Logistisk

regressionsmodel

11 faktuelle og subjektive ? ?

Sverige Logistisk

regressionsmodel

12 faktuelle Sagsbehandlerne inter-

viewer den ledige

Ja

Tyskland - 16 åbne/kvalitative

spørgsmål

Sagsbehandlerne inter-

viewer den ledige

Nej

Note: 1) Der findes analyser for træfsikkerheden af de anvendte modeller fra årene: Australien - 2009, Irland - 2009,

Sverige - 2012. Der er kun publiceret analyser vedrørende det irske system (O’Connell et al. 2009). Træfsikker-

hed af det svenske system er beskrevet i internt arbejdsnotat (Dahlén 2012), og oplysninger om det australske

systems træfsikkerhed er modtaget fra Jobs Australia i forbindelse med KORAs interview (PowerPoint-

præsentation).

Australien har som det eneste land opdateret den statistiske model, der ligger til grund for

profileringsværktøjet. Opdateringer har kun medført en mindre revidering af de inkluderede

variable og en genberegning af den statistiske model på baggrund af nye data. Der er dog

ikke udviklet en procedure, som sikrer, at opdateringen sker automatisk. I hverken Sverige

eller Irland har man opdateret de statistiske modeller, siden de blev udviklet. Tyskland, som

er det eneste land, der benytter en rent sagsbehandlerbaseret profilafklaring af de ledige,

afholder periodiske møder vedrørende den administrative vedligeholdelse af systemet. Dette

har dog ikke først til større ændringer af systemet. I de øvrige lande er der ikke kendskab til

praksis i forbindelse med opdatering af modellerne.

Tabel 3.3 viser desuden, at halvdelen af landene udelukkende anvender faktuelle variable

(også omtalt som objektive data), dvs. variable vedrørende eksempelvis alder, uddannelses-

niveau, arbejdsløshistorik o.l. De øvrige modeller anvender en kombination af faktuelle og

subjektive variable, såsom oplysninger om den lediges selvvurderede helbred, villighed til at

rejse efter job mv.

Tre af de undersøgte landes profileringsværktøjer bygger på registerdata, eller en kombinati-

on af registerdata og oplysninger indsamlet via spørgeskemaer/registreringsskemaer. I to af

de undersøgte lande indsamles data af sagsbehandlerne.

Endelig ses det af tabellen, at fire lande har foretaget analyser vedrørende de statistiske mo-

dellers træfsikkerhed. Dog er der kun offentligt tilgængelig information i to af landene. Dertil

kommer, at modellernes træfsikkerhed angives på forskellig måde. Derfor er der kun be-

grænset mulighed for at sammenligne de forskellige profilafklaringsmodellers træfsikkerhed.

I det næste kapitel gennemgås resultaterne af den uddybende praksisnære analyse af profile-

ringsværktøjerne i Australien, Irland, Sverige og Tyskland. I analysen går vi i dybden med de

tematikker, der er beskrevet i dette kapitel.

35

4 Analyse af praksis i fire udvalgte lande

Dette kapitel består af fire hovedafsnit, hvor vi beskriver profileringsværktøjerne henholdsvis

i Australien, Irland, Sverige og Tyskland (afsnit 4.1-4.4). Den australske JSCI (Jobseeker

Classification Instrument) og den irske PEX (Probability of Exit) er databaserede profilerings-

værktøjer, mens det svenske bedömningsstöd er et dataassisteret værktøj. Den tyske 4-PM-

model er sagsbehandlerbaseret, jf. sondringen mellem tre hovedtyper af profileringsværktø-

jer præsenteret i kapitel 1.

Beskrivelserne af alle fire værktøjer følger den samme struktur med følgende underafsnit:

• kontekst og formål

• indhold og anvendelse

• implementering

• den statistiske model og træfsikkerhed

• (planlagt) indholdsmæssig revision

• sammenlignelighed med/overførbarhed til dansk kontekst.

En detaljeret beskrivelse af de redskaber, som anvendes til at indsamle de oplysninger, der

indgår i de fire landes profileringsværktøjer, fremgår af bilag 4. De vigtigste skriftlige doku-

menter og kilder, som vi har anvendt i beskrivelsen af profileringsværktøjer i de fire lande

findes som bilag 5.

De følgende beskrivelser illustrerer/synliggør ligheder og forskelle mellem de fire lande med

hensyn til indhold, anvendelse og implementering af værktøjerne, samt beregning af model-

lernes træfsikkerhed. Vi foretager en tværgående opsamling og diskussion af de fire profile-

ringssystemer i kapitel 5, hvor vi også samler op på nogle hovedpunkter af relevans for ud-

viklingen af et dansk profileringsværktøj.

4.1 Australien: JSCI (Jobseeker Classification Instrument)

Australien anvender et statistisk profileringsværktøj, som angiver den lediges sandsynlighed

for at blive langtidsledig over 12 måneder og inddeler de ledige i fire forskellige kategorier.

Profileringsværktøjet anvendes ikke alene til diagnosticering, men derudover også til målret-

ning af indsatsen og allokering af ressourcer.

4.1.1 Politisk kontekst og formål

Kontekst

Profilering blev introduceret i Australien tidligt i 1990’erne. Den australske arbejdsformidling

lancerede et totrins-profileringssystem, som blev taget i brug ved vurdering af risiko for lang-

tidsledighed i 1994. Den nuværende profileringsmetode, Jobseeker Classification Instrument,

JSCI, blev udviklet på baggrund af de to instrumenter, Jobseeker Screening Instrument (JSI)

og Client Classification Levels Questionnaire (CLL), som udgjorde det første profileringsværk-

tøj.

Udviklingen af JSCI begyndte i 1996, og værktøjet blev taget i brug i februar 1998 samtidig

med en grundlæggende reform af det australske beskæftigelsessystem. Reformen tog ud-

36

gangspunkt i New Public Management-tankegangen, og Australien var det første land, der

udliciterede hele beskæftigelsesområdet og åbnede markedet for private udbydere. Indtil

1998 havde den offentlige arbejdsformidling monopol, men den har siden været udsat for

konkurrence. Job Services Australia (JSA, indtil 2009 Job Network) står for beskæftigelses-

indsatsen i Australien med et stort antal udbydere. JSAs udbydere er en blanding af store,

middelstore og små for-profit og non-profit organisationer2, som har erfaring med at tilbyde

services og støtte til jobsøgende og arbejdsgivere. (OECD 2012, KORAs interview).

Profileringsværktøjet JSCI har siden 1998 haft en grundlæggende rolle for beskæftigelsesind-

satsen i Australien. Værktøjet har siden gennemgået flere udviklingsfaser med lancering af

lettere reviderede udgaver henholdsvis i 2003, 2006 og 2009. Den nuværende udgave er fra

2009 og omfatter som oprindeligt 18 faktorer.

Department of Education, Employment and Workplace Relations (DEEWR) er ansvarlig for

udvikling, monitorering og IT-support for JSCI samt kontrakter med serviceudbydere. Mini-

steriet har i forbindelse med udviklingen og senere opdateringer af JSCI inddraget diverse

forskningsmiljøer, ekspertvurderinger (review) samt høringer hos centrale interessenter, or-

ganisationer og serviceudbydere.

Formål

Hensigten med JSCI er at sikre, at jobsøgende hurtigst muligt modtager beskæftigelsesind-

satser, som er optimale i relation til deres behov. Instrumentet skal gøre det muligt at identi-

ficere de jobsøgende, som har størst risiko for at blive langtidsledige og dermed give mulig-

hed for at mindske omkostninger relateret til langtidsarbejdsløshed.

JSCI er derudover et vigtigt styringsinstrument i den australske servicemodel, idet værktøjet

bruges til at fordele de ledige til forskellige udbydere af programmer. Ud over at JSCI skal

sikre den mest intensive indsats for de jobsøgende, som befinder sig længst fra arbejdsmar-

kedet, skal det også sikre, at beskæftigelsesindsatsen i sin helhed er i overensstemmelse

med de ressourcer, der er til rådighed.

På et overordnet plan var hensigten med at introducere JSCI at effektivisere arbejdsmarke-

det, øge produktiviteten og bidrage til, at tidligere inaktive grupper blev en del af arbejds-

styrken i stedet for at være passive modtagere af ydelser.

4.1.2 Beskrivelse af profileringsværktøjet – indhold og anvendelse

JSCI er et centralt element i den australske servicemodel på beskæftigelsesområdet, idet

JSCI ikke alene er et kategoriseringsinstrument (diagnostik), men også et værktøj, der bru-

ges til målretning af indsatsen (jf. afsnit ’Sagsgang efter kategorisering’). Derudover er de

JSCI-baserede profilkategorier relateret til allokering af ressourcer til serviceudbydere.

Konkrete variable

JSCI bygger på en kombination af faktuelle og subjektive variable. Hovedparten af informati-

onerne indsamles ved hjælp af et spørgeskema, som den ledige udfylder ved registreringen

som modtager af understøttelse. Ideen ved udvælgelsen af variable har været, at JSCI skulle

indeholde det antal variable, som er nødvendigt for at skabe et funktionelt acceptabelt værk-

tøj (betegnes som princippet for et minimum antal variable).

2 Jobs Australia, som har medvirket ved KORAs interview, er hovedorganisationen af non-profit-

udbydere.

37

Den statistiske model, som JSCI bygger på, indeholder følgende 18 faktorer (Department of

Education, Employment and Workplace Relations 2012):

• Alder og køn

• Arbejdserfaring

• Uddannelsesniveau

• Overførselsindkomsthistorik

• Faglige kvalifikationer

• Engelskkundskaber

• Fødeland

• Bopæl

• Lokale beskæftigelsesmuligheder

• Afstand til arbejdsmarkedet (by vs. land)

• Befolkningsgruppe (aboriginal)

• Adgang til transport

• Kontaktbarhed telefonisk

• Handicap/sygdom

• Boligsituation/fast bopæl

• Civilstatus/forsørger

• Straffeattest

• Personlige faktorer eller karakteristika

12 af disse 18 faktorer bygger på den jobsøgendes svar, mens de øvrige oplysninger stam-

mer fra registre, herunder jobsøgendes alder, køn og fødeland samt variable, som er relate-

ret til beskæftigelsesmulighederne i det område, hvor den jobsøgende bor.

Som minimum skal den jobsøgende svare på 18 spørgsmål, når han/hun udfylder oplysnin-

gerne til JSCI. Alt i alt kan JSCI omfatte op til 49 spørgsmål, idet nogle spørgsmål indeholder

flere underspørgsmål alt afhængigt af den lediges svar. Uanset dette opereres ved beregning

af JSCI med 18 faktorer.

En mere detaljeret beskrivelse af de 18 JSCI-faktorer og de relaterede spørgsmål findes på

ministeriets (DEEWR) webside (jf. dokumentet ’Description of JSCI Factors and Points’ – jf.

bilag 4 – samt PowerPoint-præsentationen ’’All you ever wanted to know about JSCI and qui-

te rightly were afraid to ask”, s. 21-38). Selve JSCI instrumentet, herunder en dybdegående

beskrivelse af de enkelte variable, fremgår af bilag 4.

Målgruppe for værktøjet og kategorier af ledige

Profileringsværktøjet benyttes over for alle ledige. De ledige inddeles ved registrering i en af

følgende fire kategorier (streams) på baggrund af deres JSCI-score, som indikerer sandsyn-

lighed for langtidsledighed over 12 måneder (jf. tabel 4.1 i afsnit 4.1.4):

• Stream 1: mest jobklare jobsøgende

• Stream 2: jobsøgende med relativt moderate barrierer i forhold til beskæftigelse

• Stream 3: jobsøgende med relativt betydningsfulde barrierer i forhold til beskæftigelse

• Stream 4: jobsøgende med væsentlige barrierer i forhold til beskæftigelse.

38

Jobsøgende i stream 1 udgør ifølge den seneste JSCI-modellering i 2009 ca. tre femtedele af

alle jobsøgende (61 %) og betegnes som ’arbejdsklare’. Som det fremgår af tabel 4.1 (i af-

snit 4.1.4), kan andelen variere over en årrække. Jobsøgende i de tre øvrige kategorier udgør

henholdsvis ca. 18 % (stream 2), 9 % (stream 3) og 12 % (stream 4) af jobsøgende. Jobs-

øgende i disse tre kategorier har behov for indsatser i varierende grad. For de ledige, som

JSCI placerer i stream 4, skal der foretages en mere uddybende vurdering (jf. afsnit ’Sags-

gang efter kategorisering’).

Hvem bruger værktøjet, og hvornår i ledighedsprocessen anvendes det?

JSCI foretages af Centrelink, dvs. den statslige myndighed (under Department of Human

Services), som er ansvarlig for betalingen af understøttelse til ledige. I praksis udfører med-

arbejdere fra et call-center en del af indsamlingen af informationer til JSCI fra den enkelte

ledige. JSCI gennemføres således sideløbende med, at den ledige bliver registreret som jobs-

øgende og får adgang til service.

Ved den første kontakt med en sagsbehandler/konsulent hos en serviceudbyder bliver JSCI

eventuelt revideret, hvis den ledige fx giver udtryk for flere barrierer end dem, der fremgår

af det oprindelige JSCI. Dette kan udløse flytning til anden profilkategori (stream). Derudover

er det hensigten, at JSCI gennemføres undervejs i ledighedsperioden, hvis der sker betydel i-

ge ændringer i den lediges situation. Efter et år hos en udbyder er det obligatorisk at gen-

nemføre JSCI på ny. Denne ’re-streaming’ har til formål at allokere det mest hensigtsmæssi-

ge niveau af indsats til de ledige, der har behov for det.

Profileringsværktøjets relation til sagsbehandlerens faglige vurdering

Resultatet af JSCI afgør, i hvilken af de fire kategorier (streams) den ledige placeres, og er

dermed i høj grad bestemmende for den efterfølgende indsats hos en af Job Services Austra-

lias udbydere. Dette gælder primært kategorierne 1-3.

Vurderingselementet spiller en rolle i forhold til JSCI på to forskellige måder, som beskrives i

det følgende.

De personer, hvor der i forbindelse med registrering som ledig identificeres en høj JSCI-

score, typisk relateret til sammensatte eller komplekse problemer, bliver visiteret til en eks-

tern udvidet vurdering, Employment Services Assessment (ESAt) – eller Job Capacity Asses-

sment (JCA), hvis vurdering af førtidspension (Disability Support Pension, DSP) er aktuel.

Personalet hos Centrelink tager beslutningen om at visitere til ESAt eller JCA. Den udvidede

vurdering kan have forskelligt udfald (jf. afsnittet ’Sagsgang efter kategorisering’).

Selv om JSCI har placeret den ledige i en bestemt kategori, har sagsbehandleren i løbet af

ledighedsperioden mulighed for, med henvisning til nye oplysninger om den ledige, at revide-

re JSCI. Dette kan føre til en rekategorisering til en anden profilkategori (stream). Hermed er

anvendelse af JSCI mere fleksibel end anvendelse af PEX-instrumentet i Irland (beskrevet i

afsnit 4.2.2), hvor den ledige bibeholder den samme score i hele ledighedsperioden. Det har

ikke været muligt at få oplysning om, hvor ofte en sådan rekategorisering finder sted i Au-

stralien.

Resultatets gennemsigtighed for sagsbehandler og borger

Personalet hos Centrelink er informeret om, hvilken stream jobsøgeren hører til på baggrund

af den pågældendes JSCI-score. I tilfælde af, at JSCI placerer den ledige i stream 4 (eller

hvis bestemte svar på JSCI indikerer en høj risiko for langtidsledighed), forudsættes en indi-

viduel vurdering af den lediges behov for fremtidig indsats (jf. afsnittet ovenfor). Dermed

anvendes detailinformation om den lediges JSCI-profil allerede tidligt i sagsforløbet. Tilsva-

39

rende bruger personalet JSCI-værktøjet undervejs i sagsforløbet, alt efter behov, for at revi-

dere den lediges kategori. Endvidere er JSCI-profilen koblet med IT-redskaber, som under-

støtter igangsættelse af indsatser. Hvis den ledige fx har et misbrugsproblem noteret i JSCI,

vil redskabet ’Barrier Management Tool’ i IT-systemet adressere det som en barriere, som

sagsbehandleren skal forholde sig til.

Ifølge KORAs interview bliver den ledige ikke informeret om anvendelsen af JSCI ved regi-

streringen som ledig. De ledige, der har været i systemet længe, eller som har været ledige

gentagne gange, kender proceduren. Da JSCI gennemføres på det tidspunkt, hvor de ledige

søger om understøttelse, vil de ifølge KORAs interview gøre alt for at blive godkendt til at

modtage en ydelse. Derfor vurderes det, at de ledige ofte er reserverede over for at svare på

de JSCI-spørgsmål, som handler om personlige forhold og barrierer, såsom lovovertrædelse,

misbrug eller psykiske problemer.

Sagsgang efter kategorisering

Tilhørsforhold til en bestemt stream har stor betydning for det efterfølgende forløb i beskæf-

tigelsessystemet samt for indsatser og kontaktintensitet med servicesystemet.

Som det fremgår af afsnit 4.1.4, bliver næsten 90 % af alle ledige klassificeret til kategorier-

ne 1 til 3 via den tildelte JSCI-score.

Hvis der derimod bliver identificeret store eller komplekse barrierer i forbindelse med JSCI-

screening, vil der som regel blive gennemført yderligere vurderinger af den ledige, inden

denne kan klassificeres i stream 4, eller i en af de tre øvrige kategorier tættere på arbejds-

markedet (stream 1 til 3). Vurderingen bliver enten foretaget via ESAt, Employment Services

Assessment eller JCA, Job Capacity Assessment. Både ESAt og JCA består af en individuel,

mere uddybende vurdering af personens arbejdskapacitet. Begge gennemføres af eksterne

eksperter, typisk ansigt-til-ansigt, men de kan i visse tilfælde også gennemføres via telefon

eller video. De forhold (svar på JSCI), der anvendes til at vurdere behovet for en ESAt-

vurdering, fremgår af ministeriets webside.

Der er i princippet to typer ESAt-vurderinger. Den ene bliver udløst af helbredsrelaterede

forhold, den anden af ikke-helbredsrelaterede forhold som social udsathed, fx i form af hjem-

løshed, familievold eller lignende. Den væsentligste forskel mellem ESAt og JCA består af, at

alene JCA kan anvendes til at vurdere, om personen opfylder kravene til at få bevilget en

førtidspension (DSP, the Disability Support Pension).

Der visiteres ca. 15.000-20.000 personer til ESAt/JCA-vurdering hver måned, hvoraf ca.

halvdelen bliver henvist til en mere individualiseret service end de services, Job Services Au-

stralias udbydere tilbyder, nemlig til Disability Employment Services (DES). Knap 40 % af

ovennævnte 15.000-20.000 personer henvises på baggrund af ESAt/JCA-vurdering til stream

4, godt 10 % til stream 1-3 og ca. én procent til beskyttet beskæftigelse (fx på grund af ned-

sat kognitiv funktionsevne). Ledige kan dermed kun overgå til stream 4, efter at de har gen-

nemgået vurderinger ud over JSCI.

De ledige, som på baggrund af JSCI bliver klassificeret som hørende til en af de fire streams,

tilbydes en indsats hos Job Services Australia (JSA), hvis private og ikke-private udbydere

således står for hovedparten af beskæftigelsesindsatserne i Australien.

Udsatte unge under 21 år bliver typisk placeret i stream 4 for at sikre, at de får en intensiv

indsats. De bliver desuden på baggrund af JSCI eventuelt henvist til en ESAt-vurdering for at

få den bedste mulige vurdering af, hvilken type støtte de har behov for.

40

4.1.3 Implementering

Implementeringen af JSCI var en del af en politisk beslutning, som betød en gennemgribende

omorganisering af beskæftigelsessystemet og udlicitering af hele beskæftigelsesindsatsen.

Den oprindelige JSCI-manual Job Seeker Classification Instrument (JSCI) fra 1998 indeholder

en beskrivelse af en plan for implementeringen af JSCI, og med Centrelink nævnt som den

centrale aktør. Ifølge KORAs interview var de første tre år en indføringsfase til anvendelse af

værktøjet.

Hvordan blev værktøjet taget i brug ved frontlinjen?

Profilering ved hjælp af JSCI blev taget i brug i hele Australien i februar 1998 og skulle an-

vendes over for alle jobsøgende ved registreringen som ledig. Dermed blev anvendelse af

JSCI en integreret og obligatorisk del af beskæftigelsesindsatsen.

Drivere og barrierer i forbindelse med implementering

JSCI indgår i den registreringsprocedure, som udløser økonomisk bistand, og er dermed en

mere eller mindre naturlig del af sagsforløbet for de ledige. Værktøjet administrereres af

Centrelink, og der har ikke været nævneværdige problemer med at anvende det i praksis –

bortset fra, at de ledige ofte er forbeholdne over for spørgsmål om personlige forhold. Desu-

den har der været diskussion om, hvorvidt måden at indsamle oplysninger enten i form af

personlig eller telefonisk kontakt påvirker svarene (jf. bl.a. Lipp 2005).

For sagsbehandlerne er JSCI det værktøj, de kender, og som bruges af alle. JSCI har jo væ-

ret anvendt i over femten år, og det var ifølge KORAs interview mest de første tre år med

systemet, at der var flest kontroverser – ikke mindst fordi systemet blev taget i brug samti-

dig med, at hele indsatsen blev udliciteret. I de første år skete der forskellige justeringer af

værktøjet.

Senere er det i højere grad blevet implementeringsproblemer i forhold til serviceudbydere,

der diskuteres, herunder hvordan kvaliteten af indsatserne kan sikres, og hvordan forskellige

klienters behov bliver tilgodeset hos udbyderne. Derudover nævnes det som et problem, at

udbyderne kan have et økonomisk incitament til at flytte de ledige til højere streams, idet de

udløser et større budget (betegnes som ”system gaming”, OECD 2012). For at afhjælpe dette

problem foretager departementet (DEEWR) hver 18. måned såkaldte ’star ratings’, dvs. mo-

nitorering af udbydere. Denne procedure anvendes til at identificere dårlige serviceudbydere.

Antallet af klienter pr. sagsbehandler er relativt højt i Australien: I gennemsnit er ratioen

højere end 1:100. I interviewene karakteriseres arbejdet som ’low pay work’, dvs. arbejde,

hvor der typisk ikke stilles særlige kvalifikationskrav til personalet. De ansatte er for det me-

ste relativt unge. Sagsbehandlernes arbejdssituation er præget af, at de forventes at skabe

resultater og bidrage med, at egen organisation opnår en god vurdering i ’star ratings’ –

monitorering af udbyderne.

Udbredelse og anvendelse i dag

JSCI er blevet anvendt til profilering af ledige siden 1998 og værktøjet bruges over for alle

ledige. JSCI bruges både over for nyledige og undervejs i ledighedsforløbet til eventuel reka-

tegorisering til en anden stream og desuden som værktøj til at koble indsatser med de barri-

erer, der bliver identificeret i den lediges JSCI-profil.

41

4.1.4 Den statistiske model og træfsikkerhed

JSCI er et databaseret screeningsværktøj, som hovedsageligt bygger på oplysninger fra den

ledige, hvilket af vores informanter ses som en fordel og styrke. Derudover har et vigtigt

princip ved udviklingen af JSCI været, at serviceudbyderne accepterer værktøjet og stoler på

det som et klassificeringsværktøj til vurdering af servicebehovet og som et redskab til gen-

nemførelse af den lediges handleplan.

De væsentligste kilder for dokumentation af JSCI er den oprindelige manual ”Job Seeker Clas-

sification Instrument (JSCI)” fra 1998, Lipp 2005, OECD-rapporten ”Activating Jobseekers –

How Australia Does It” fra 2012, samt materiale fra ministeriets webside, herunder en Po-

werPoint-præsentation ”All you ever wanted to know about JSCI and quite rightly were afraid

to ask”. Endvidere indgår Australien som et centralt eksempel i flere internationale review

(bl.a. Collewet et al. 2010, Konle-Seidl 2011, Loxha & Morgandi 2014).

Statistisk model bag værktøjet

Den statistiske model bag JSCI er baseret på en logistisk regressionsanalyse. Den nuværende

model bygger på en analyse af ca. 900.000 jobsøgende, som pr. 1. juli 2007 var registreret

som modtagere af understøttelse. Disse ledige blev fulgt i 12 måneder for at identificere,

hvilken betydning forskellige variable i modellen havde for risikoen for langtidsledighed

(OECD 2012; KORAs interview). Alle 18 faktorer, der indgår i JSCI, viste i analysen at have

statistisk signifikant sammenhæng med de lediges sandsynlighed for at blive langtidsledige

(arbejdsløs over 12 måneder). De vægte, som de enkelte kategorier i hver faktor får tildelt,

er baseret på de estimater, som den logistiske regressionsanalyse resulterede i. Med ud-

gangspunkt i disse relative vægte bliver der beregnet en individuel JSCI-score for hver per-

son.

Den første af de 18 faktorer er ’alder og køn’ (jf. afsnit ’Konkrete variable’), og her udløser de

forskellige alderskategorier forskellige vægte for kvinder og mænd (jf. beskrivelse af JSCI i

bilag 4). For de øvrige faktorer er vægtene ens for begge køn.

De mest centrale faktorer med hensyn til at afgøre den lediges relative risiko for langtidsle-

dighed er alder og køn, arbejdsløshedsperiodens varighed, lokale beskæftigelsesmuligheder,

og befolkningsgruppe (oprindelig befolkning).

JSCI-scoren viser den jobsøgendes placering på JSCI-skalaen, hvor en høj værdi indikerer en

høj risiko for langtidsledighed over 12 måneder. JSCI er en totalscore, og kategoriseringen af

de ledige i de fire risikogrupper for langtidsledighed (streams) er baseret på grænseværdier-

ne angivet i tabel 4.1. Oversigten viser samtidig, i hvor høj grad fordelingen mellem katego-

rierne i JSCI-modellen og den faktuelle fordeling hos Job Services Australia er sammenfal-

dende.

42

Tabel 4.1 Profilkategoriernes grænseværdier, samt den statistiske og den faktiske fordeling

af de ledige

Kategori JSCI point (score) Modelleret JSCI, pct.

(2009)

Aktuelt udfald, pct.

(Job Services Australia,

2011/2012)

Stream 1

Stream 2

Stream 3

Stream 4

<20

20-28

>28

Kræver JCA/ESAt1

61

18

9

12

54

26

9

11

100 100

Note: 1) Kategoriseringen af den ledige i stream 4 kræver, at den ledige har undergået en vurdering via JCA eller ESAt

ud over den indledende profilering via JSCI.

Kilde: ”All you ever wanted to know about the JSCI and quite rightly were afraid to ask”. Materiale modtaget i for-

bindelse med KORAs interview.

Som nævnt har den ledige mulighed for at vælge svarkategorien ’ønsker ikke at svare’ ved

nogle JSCI-spørgsmål. Det gælder spørgsmål, som omhandler personlige forhold (fx motiva-

tion) eller overtrædelse af lov (straffeattest). Dermed er JSCI-scoren afhængig af individets

vilje og evne til at angive de ønskede oplysninger. Ifølge vores interview bliver manglende

svar, hvis muligt, estimeret ved hjælp af svarene på andre spørgsmål. Hvis dette ikke er mu-

ligt, får en bestemt faktor ingen værdi, hvilket i så fald medfører en vis grad af usikkerhed i

JSCI-scoren. Dette vurderer vores informanter hos Jobs Australia imidlertid ikke som et stort

problem, idet de fire kategorier beskrives som brede, og derfor vil den ledige angiveligt alli-

gevel i de fleste tilfælde blive placeret i den relevante kategori. Hvis en JSCI-score vil blive

anvendt til at bestemme det beløb, der afsættes til indsatsen over for den enkelte ledige, vil

en præcis vurdering være mere vigtig.

Evidens for modellens træfsikkerhed

JSCI er et relativt mål, idet det angiver de lediges relative placering i forhold til hinanden.

JSCI-modellens overordnede præcision er analyseret ved at sammenligne den estimerede

sandsynlighed med den aktuelle andel af jobsøgende, der i løbet af en 12 måneders observa-

tionsperiode ikke længere modtager understøttelse. De to værdier, den estimerede sandsyn-

lighed og den aktuelle andel, ligger meget tæt på hinanden (jf. figur 4.1). Andelen af job-

søgende, som forlader arbejdsløshedsunderstøttelsen inden for 12 måneder, falder i takt med

højere JSCI-scorer (DEEWR: Technical Description of the JSCI). På denne baggrund konklu-

derer vores informanter hos Jobs Australia, at den lediges relative risikoniveau for langtidsle-

dighed er identificeret præcist ved hjælp af JSCI. Det skal dog præciseres, at selv om den

statistiske model er god til at identificere, hvor stor en andel af de ledige med en bestemt

JSCI-score, der reelt bliver langtidsledige, optræder der en betydelig andel såkaldte falske

positive og falske negative (dvs. personer, der ifølge modellen har høj risiko for langtidsle-

dighed, der reelt bliver korttidsledige, og personer, der ifølge modellen har lav risiko for lang-

tidsledighed, der reelt bliver langtidsledige). Eksempelvis vil personer med en JSCI-score på

10 blive kategoriseret i stream 1 (jobklare), da de ifølge modellen har en lav risiko for lang-

tidsledighed. Dog vil ca. 40 pct. af dem blive langtidsledige (figur 4.1) og dermed være falske

negative.

43

Figur 4.1 Overensstemmelse mellem faktisk og forudsagt andel af ledige ved forskellige

JSCI-scorer, der ved 12 måneder ikke modtager understøttelse

Kilde: Jobs Australia, opgørelse fra 2011/2012

Note: Figuren viser andelen af ledige, der ved forskellige JSCI-scorer ikke modtager understøttelse ved 12 måneder.

Det skal bemærkes, at figuren ikke viser, om de personer, der ikke længere modtager under-

støttelse, reelt er kommet i arbejde.

Indholdsmæssig revision og opdatering af den statistiske model

Data som indsamles ved hjælp af JSCI bliver gemt i en database i ministeriet (DEEWR) og

kan dermed anvendes til monitorering af værktøjet.

Den mest omfattende udviklingsfase har været i 1996-1998, hvorefter systemet er blevet

opdateret i 2003, 2006 og 2009. Ved re-estimeringen af den statistiske model i 2006 blev der

brugt data fra perioden 2003-2005, og ved re-estimeringen af modellen i 2009, data fra

2007. Ved re-estimeringer vurderes de enkelte variables signifikans og vægte. Derudover

tilføjes eller fjernes variable afhængigt af, om de viser sig at have en signifikant betydning

for sandsynligheden for langtidsledighed.

Der er gennemført flere review baseret på mere afgrænsede analyser, ekspertvurderinger og

interessentanalyser. Det seneste review blev gennemført i 2012, hvor det blev konkluderet,

at der ikke var behov for at ændre faktorerne. En del af reviewet blev gennemført af eksterne

konsulenter, som havde mulighed for at benytte ministeriets data (analysen er ikke publice-

ret). 2012-reviewet har hverken betydet indholdsmæssige justeringer eller justeringer i den

statistiske model. Ifølge KORAs interview med Jobs Australia (hovedorganisationen for non-

profit udbydere) kunne man have forventet, at den økonomiske recession ville have haft kon-

sekvenser for de jobsøgendes profil i forhold til tidligere og derfor givet anledning til justerin-

ger. Der er desuden undervejs foretaget forskellige (mindre) justeringer fx ved at ændre

spørgsmålenes rækkefølge og sproglig formulering. Enkelte faktorer har undervejs været

ekskluderet, men er senere blevet inkluderet i JSCI igen.

44

Den nuværende udgave af JSCI, både hvad angår faktorer og vægte, bygger på dataindsam-

lingen i 2007 (ca. 900.000 jobsøgende) og indeholder 18 faktorer, som det oprindelige JSCI

fra 1998 også gjorde.

Det mest omfattende eksterne review af JSCI er fra Productivity Commission (2002), som

pegede på flere uhensigtsmæssigheder i det australske system, inklusive JSCI. Også Lipp

(2005) fra ministeriet har i en keynote-tale diskuteret JSCIs egenskaber som profilerings-

værktøj og generelt de udfordringer, som et kategoriseringsinstrument vil møde. Ifølge

KORAs interview med Jobs Australia er der imidlertid alt i alt foretaget meget få ændringer i

de år, JSCI har været i anvendelse.

Den fremadrettede udvikling af systemet

Australien vil i de kommende år gennemføre en ny reform på beskæftigelsesområdet, Em-

ployment Services 2015-2020. Ifølge KORAs interview vil reformen sandsynligvis ikke komme

til at betyde nævneværdige ændringer i selve JSCI-værktøjet. Men fra den 1. juli 2015, hvor

reformen udrulles, vil der blive stillet større krav til de jobsøgende for at kunne modtage

ydelser. Vores informanter fra den offentlige hovedorganisation Jobs Australia karakteriserer

udviklingen som opstramning. Reformen vil desuden betyde nye resultatkrav til serviceudby-

dere og nye kontraktvilkår. For flere oplysninger om reformen, se

https://docs.employment.gov.au/documents/employment-services-2015-fact-sheet.

Adskilt fra ovennævnte reform gennemføres der for tiden et review af det australske vel-

færdssystem, og ifølge interviewene kan det have konsekvenser for JSCI. Australien vil mu-

ligvis hente inspiration fra en ’investment model’, som New Zealand praktiserer. Hvor JSCI i

Australien fokuserer på at forudsige ledighedsperioder på 12 måneder eller derover, opererer

den new zealandske model med begrebet ’likelihood of long-term benefit recipient’ (LLBTR).

Modellen fokuserer på færre faktorer, men på betydeligt længere ledighedsperiode. Mere

information om den new zealandske model findes på: http://www.msd.govt.nz/about-msd-

and-our-work/newsroom/media-releases/2012/valuation-report.html

4.1.5 Sammenlignelighed med /overførbarhed til danske forhold

Nedenfor samles der i punktform op på de væsentligste forhold ved det australske system,

som kan være relevante i udviklingen af et dansk profileringsværktøj.

• Australien er et eksempel på et land, hvor profileringsværktøjet ikke alene anvendes til

kategorisering, men også til målretning af indsatsen til dem, der har størst behov. Det

kommer til udtryk ved, at profileringsværktøjet kan identificere barrierer hos den enkelte

ledige (fx et misbrugsproblem), som værktøjet automatisk vil kræve, at sagsbehandleren

forholder sig til. I denne henseende har Danmark lignende intentioner. Beskæftigelsessy-

stemet i Australien og Danmark er imidlertid ikke sammenlignelige, idet det australske

system bygger på et stort antal private udbydere.

• Det australske profileringsværktøj består både af faktuelle forhold og forhold af subjektiv

karakter. Flere af variablerne i det australske JSCI-værktøj vil ikke være direkte overfør-

bare til de danske forhold, idet de afspejler problematikker i det australske samfund.

• Det australske profileringsværktøj er fuldt ud gennemsigtigt for sagsbehandlerne, og

dermed kan sagsbehandlerne bruge informationer i deres arbejde med de ledige.

• Australien gennemfører – ud over re-kalibrering af den statistiske model – reviewproces-

ser, hvor der indsamles erfaringer fra eksperter og brugere af systemet. Denne type pro-

cedure vil være værd at overveje i Danmark. Reviewprocesserne har bl.a. bidraget med,

at de enkelte variables relevans er blevet vurderet, og spørgsmålene i værktøjet er blevet

præciseret.

https://docs.employment.gov.au/documents/employment-services-2015-fact-sheet

http://www.msd.govt.nz/about-msd-and-our-work/newsroom/media-releases/2012/valuation-report.html

http://www.msd.govt.nz/about-msd-and-our-work/newsroom/media-releases/2012/valuation-report.html

45

4.2 Irland: PEX (Probablility of Exit)

PEX, Probability of Exit, er et statistisk databaseret profileringsværktøj, som angiver den le-

diges sandsynlighed for at blive langtidsledig over 12 måneder. PEX har primært et diagno-

stisk sigte, men er i nogen grad også rettet mod målretning af indsatsen og ressourcealloke-

ring, jf. terminologien præsenteret i kapitel 1.


Kontekst

Udvikling og implementering af profileringsværktøjet har været en del af en gennemgribende

effektivisering af det irske beskæftigelsessystem. Baggrunden for reformen var den høje ar-

bejdsløshed, som fulgte recessionen og især stigning i langtidsarbejdsløshed, som var en af

de højeste blandt EU-landene. Indtil den økonomiske nedgangstid var indsatsen over for ar-

bejdsløse minimal og ineffektiv: Arbejdsløse blev, uafhængigt af langtidsarbejdsløshedsrisiko,

først kontaktet efter seks måneders ledighed. Der var ikke politisk fokus på området, idet

beskæftigelsen var høj.

Udviklingen af profileringsværktøjet har derfor været en del af et større reformprogram, som

bl.a. handlede om reorganisering af servicemodellen til et enstrenget system, kaldet INTREO.

Den tidligere irske servicemodel bestod af to parallelle organisationer, en kommunal og en

statslig.

Blandt de centrale politiske tiltag, som har banet vejen for udviklingen og implementeringen

af profileringen, har været:

• National Employment Action Plan (NEAP), 2004

• The Social Welfare Pensions Act, 2009

• Pathways to Work (PTW) 2012-2015 (den irske regerings handlingsprogram mod lang-

tidsledighed).

Udviklingen af det irske profileringssystem – PEX (Probability of Exit) – begyndte oprindeligt i

1999 i Galway-regionen i den vestlige del af landet, og modellen blev efterfølgende afprøvet i

en anden region (Waterford i den sydøstlige del af landet) i samarbejde med forskningsinst i-

tuttet ESRI (The Economic and Social Research Institute i Dublin) og DSP, Department of

Social Protection. Derefter blev modellen videreudviklet og testet på landsplan, og den nuvæ-

rende statistiske model er baseret på denne dataindsamling, som blev gennemført i septem-

ber-december 2006. The Social Welfare Pension Act fra 2009 gjorde det muligt at indsamle

og anvende profildata til at kategorisere nytilmeldte ledige med hensyn til prioritering og

målretning af intervention. PEX-modellen for profilering af klienter blev efterfølgende introdu-

ceret til formålet og er blevet taget i brug i hele landet i 4. kvartal 2013.

Tre centrale aktører har bidraget ved udviklingen af den irske profileringsmetode og model:

Galway regional office (på vestkysten af Irland), forskningsinstituttet ESRI og DSP (Depart-

ment of Social Protection, tidligere Department of Social and Family Affairs). Galway-

regionen ved ledelse af Barry Kennedy og forskerteamet på ESRI (O’Connell, McGuinness

m.fl.) har samarbejdet tæt gennem flere år og udgør de bærende kræfter ved udviklingen og

monitoreringen af den irske profileringsmodel.

46

Formål

På et overordnet plan har hensigten med profileringen været at kalibrere indsatsen efter ar-

bejdsløshedsrisiko og at anvende offentlige ressourcer mest omkostningseffektivt. Profile-

ringsværktøjet skulle bruges til at identificere de ledige, som har størst risiko for langtidsar-

bejdsløshed og på denne baggrund differentiere indsatsen således, at indsatsen er relateret

til den lediges arbejdsløshedsrisiko. Ledige med størst behov for hjælp vil få tilbudt en inten-

siveret og tidlig indsats.

Dermed har det primære formål med profilering været kategorisering af arbejdsløse (diagno-

stik, jf. Loxha & Morgandi 2014) for at kunne prioritere indsatsen og allokere ressourcerne.

Der er ifølge interviewene intentioner om at videreudvikle systemet således, at det omfatter

yderligere målretning af indsatsen, dvs. udvikle indsatsprogrammer, som er relateret til hver

af de tre risikokategorier (jf. terminologien præsenteret i kapitel 1 Baggrund og formål).


Konkrete variable (herunder sammensætning af faktuelle og subjektive variable)

Profileringsværktøjet bygger primært på faktuelle oplysninger, som indhentes fra den enkelte

arbejdsløse ved registreringen som ledig, og desuden enkelte oplysninger fra administrative

registre, såsom bopælsområde. Profileringsværktøjet består i hovedtræk af individuelle og

familierelaterede karakteristika, ’human capital’-variable (uddannelse), ledigheds- og forsør-

gelseshistorik og karakteristika vedrørende regionalt arbejdsmarked. Enkelte spørgsmål er

dog af mere subjektiv karakter, såsom selvvurderet helbred og mobilitet.

Der indgår i alt 24 variable i PEX-modellen (O’Connell et al. 2009; KORAs interview).

• Køn

• Alder

• Helbred (selvvurderet)

• Civilstatus

• Børn (angivelse af, om den ledige har børn)

• Ægtefælles indkomst


• Læreplads

• Læse-/regneproblemer

• Engelskfærdigheder (selvvurderet)

• Ledighedshistorik (tid siden sidste ansættelse)

• Midlertidige ansættelser (om den ledige løbende har haft midlertidige ansættelser)

• Jobmobilitet (villighed til at flytte for at få nyt job)

• Beskæftigelseshistorik (varighed af ansættelse)

• Overførselsindkomst inden for de seneste 5 år

• Overførselsindkomst i mere end 12 måneder

• Deltagelse i lokalt beskæftigelsesprogram inden for de seneste 5 år

• Deltagelse i lokalt beskæftigelsesprogram inden for de seneste 12 måneder

• Type af overførelsesindkomst (forsikret ledig eller ikke-forsikret ledig)

• Antallet af tidligere overførelsesindkomstsforløb

47

• Bopæl (by eller landdistrikt)

• Egne transportmuligheder (om den ledige har et transportmiddel)

• Nærhed til offentlig transport

• Region (hvilken geografisk region kommer den ledige fra).

Oplysningerne indsamles p.t. ved hjælp af to forskellige skemaer, ”Application form for

Jobseeker’s Allowance or Benefit” og ”Jobseeker’s Claim Part B”, som den jobsøgende udfyl-

der ved tilmelding som ledig (skemaerne findes i bilag 4). De oplysninger, som i dag indgår i

ansøgningsskemaerne, blev i modeludviklingsfasen indsamlet ved hjælp af et til formålet

udviklet spørgeskema. I øjeblikket indtastes oplysningerne fra de to skemaer manuelt i profi-

leringssystemet, som på baggrund af de indtastede oplysninger beregner en totalscore for

hver person. Fremover vil der blive anvendt ét skema, som indeholder alle de ønskede oplys-

ninger, og Irland er derudover i gang med at udvikle et IT-system, så oplysningerne kan bli-

ve indsamlet online.


Målgruppen for profilering er alle nyledige. Profileringen foretages rutinemæssigt samtidig

med, at personen tilmelder sig som ledig og søger understøttelse.

På baggrund af profileringen placeres den ledige i en af følgende tre kategorier (”bands”):

• Højrisikogruppe: ledige med høj sandsynlighed for arbejdsløshed over 12 mdr. – i den

irske PEX-terminologi ”low profile band people” eller ”low PEX people”

• Middelrisikogruppe: Ledige med ’middel’ sandsynlighed for arbejdsløshed over 12 mdr.

• Lavrisikogruppe: Ledige med lav sandsynlighed for arbejdsløshed over 12 mdr. – i den

irske PEX-terminologi ”high profile band people” eller ”high PEX people”.

Ifølge KORAs interview placeres ca. en femtedel af de ledige i højrisikogruppen henholdsvis i

lavrisikogruppen, og ca. 60 % placeres i middelrisikogruppen.

Tilhørsforhold til en bestemt kategori har stor betydning for den arbejdsløses efterfølgende

forløb i systemet og kontakthyppigheden med sagsbehandler og kan i korte træk beskrives

på følgende måde:

• Lavrisikogruppen: arbejdsløse i denne kategori forventes at klare sig selv/finde arbejde

uden særlig indsats, og derfor gives der ingen indsats i de første 6 måneder

• Middelrisikogruppen: arbejdsløse i denne kategori møder/er i kontakt med sagsbehandler

hver 3. måned

• Højrisikogruppen: arbejdsløse i denne kategori møder/er i kontakt med sagsbehandleren

umiddelbart efter tilmeldingen (inden for 14 dage) og efterfølgende hver 2. måned og har

derudover mulighed for kontakt med et særligt team, der tilbyder støtte undervejs (’act i-

vation support team’). Der udvikles en individuel handleplan (personal progression plan),

som beskriver de trin, der skal lede til, at den pågældende kommer ind på arbejdsmarke-

det. Det højest prioriterede mål er at få et arbejde.


Profilering bliver foretaget på det tidspunkt, hvor personen tilmelder sig som ledig og søger

understøttelse (makes a claim). Registreringen finder sted enten på et INTREO-center eller

på et lokalt Social Welfare Office. Det er administrativt kontorpersonale (clerks), som har

kontakten til den arbejdsløse ved registreringen. Det vil sige, at de sagsbehandlere (case

48

officers), som gennemfører selve indsatsen, ikke har kontakt med den arbejdsløse i den fase,

hvor profilering foretages.


De arbejdsløse kategoriseres i en af de tre risikogrupper udelukkende på baggrund af profile-

ringsresultatet. Det er således ikke muligt for en sagsbehandler at ændre den kategorisering,

profileringsmodellen resulterer i. Den arbejdsløse forbliver i den samme kategori hele ledig-

hedsperioden, dvs. så længe han/hun er uden arbejde, uanset mulige ændringer i den på-

gældendes situation. Sagsbehandleren har således ikke mulighed for at re-kategorisere un-

dervejs i ledighedsperioden, heller ikke på baggrund af eventuelle oplysninger, som ikke ind-

går i profileringsværktøjet (evt. andre helbredsoplysninger, misbrug o.l.). Den ledige bibe-

holder scoren hele perioden ud. Kun i det tilfælde, at den samme person, efter en periode i

arbejde, bliver arbejdsløs på ny, foretages en ny profilering, som kan føre til en anden kate-

gorisering end tidligere.


Som beskrevet ovenfor foretages profilering tidligt i forløbet og af andet personale end sags-

behandlerne.

Profileringen sker i baggrunden, og den arbejdsløse informeres ikke om, at den foretages.

Den pågældende kommer kun til at kende sin PEX-score, hvis han eller hun spørger direkte til

den, og det gør kun de færreste – måske bortset fra personer, der har været ledige og er

blevet profileret gentagne gange.

Det er således ikke indbygget i det irske profileringssystem, at sagsbehandlerne forventes at

– eller kan – forholde sig til profileringsresultatet. For det første har de ingen indflydelse på

kategorierne. For det andet har de indtil videre ikke kunnet anvende detailinformationerne fra

profilering i arbejdet med deres klienter, idet de kun får kendskab til den lediges totalscore

og ikke til de point, der er tildelt hvert enkelt variabel.3 Som i andre profileringssystemer

indgår de enkelte variable med forskellige vægte, men sagsbehandleren kan ikke i øjeblikket

se, hvad den enkelte lediges score er et resultat af. Derfor skal sagsbehandleren så at sige

begynde fra scratch, når han/hun møder klienten for første gang. Dette er ifølge interviewene

en mangel og vil blive korrigeret i det nye reviderede system, som planlægges at blive taget i

brug i løbet af 2015.


Den lediges sagsgang består af følgende faser:

• Tilmelding som arbejdsløs (Intreo eller Social Welfare Office): Profilering er baseret på de

oplysninger, som den jobsøgende er forpligtet til at give (skemaer ”Application form for

Jobseeker’s Allowance or Benefit” og ”Jobseeker’s Claim Part B”). Hver person får tildelt

en individuel risikoscore, som placerer den pågældende i en af de tre interventionskate-

gorier. I denne fase er jobsøgende i kontakt med kontorpersonale.

• Gruppeinformationsmøde på Intreo office, som alle nyledige, uafhængigt af ledighedsrisi-

koen, er forpligtet til at deltage i (der er sanktioner for fravær) umiddelbart efter tilmel-

dingen. Informationsmødet handler bl.a. om rettigheder og forpligtelser. Gruppeinforma-

tionsmødet arrangeres i to udgaver: et for høj- og middelrisikogruppen samlet og et an-

det for lavrisikogruppen. Det er case officers, som står for gruppeinformationsmøderne

samt den efterfølgende indsats.

3 Sagsbehandleren kan se klientens svar på de enkelte spørgsmål, som indgår i de to skemaer, som udfyl-

des ved tilmelding som ledig.

49

• Individuelt forløb hos Intreo-sagsbehandler med forskellig kontakthyppighed og opfølg-

ning (monitorering) af klientens fremskridt afhængig af, hvilken af de tre kategorier den

pågældende hører til (jf. afsnittet ”Målgruppe for værktøjet og kategorier af ledige”).


Klientprofilering blev gjort mulig ved Social Welfare Pensions Act fra 2009. Profileringen blev

efterfølgende udrullet i flere faser i 2010-2013 samtidig med omorganisering af den irske

servicemodel på beskæftigelsesområdet til et enstrenget system. På denne måde er profile-

ringen taget i brug gennem en centralt styret top-down-implementeringsproces.


Set i relation til sagsbehandlere har implementeringen, ifølge KORAs interview, hverken væ-

ret et større tema eller stridspunkt, fordi sagsbehandlerne først møder deres klienter, efter at

disse er blevet profileret og kategoriseret i de tre forskellige risikogrupper. Sagsbehandlerne

er frakoblet selve gennemførelsen af profileringen: Når sagsbehandleren møder klienten, er

selektionsprocessen allerede gennemført. Dermed er sagsbehandlernes opgave at fokusere

på selve tilrettelæggelsen af indsatsen, hvilket ifølge de interviewede – både repræsentanter

for departementet og praktikere – er en fordel. Der er ifølge interviewene generel tilfredshed

blandt sagsbehandlerne med dette, og lanceringen af profileringssystemet i sig selv ændrede

ikke deres arbejde. Inden profileringssystemet blev indført, var sagsbehandlernes kontakt

med de ledige meget mere sporadisk end i dag.


Anvendelsen af profileringen har givet udfordringer med hensyn til tilrettelæggelse af indsat-

sen, idet indsatsen i den nye servicemodel skal gives både tidligere og mere intensivt end før

i tiden, hvor den ledige først kom i kontakt med det daværende beskæftigelsessystem efter

seks måneders ledighed. Der har været to store udfordringer relateret til profileringen: 1)

behov for at ansætte flere sagsbehandlere for at kunne tilbyde en mere intensiv og skræd-

dersyet indsats og 2) behov for at opnå en ny orientering hos personalet. Derudover har ind-

førelse af et enstrenget system betydet, at der har været parallelle computersystemer. Ifølge

interviewene har dette været en større udfordring end fusionering af to tidligere organisatio-

ner med forskellige kulturer. Et nyt fælles IT-system er planlagt implementeret i 2015.

Antallet af klienter pr. sagsbehandler er fortsat højt på trods af, at der er blevet oprettet flere

stillinger. Ifølge Pathways to Work 2012-2015 har nyansættelser i 2013 betydet, at sagsbe-

handler/klient-ratio er blevet reduceret fra 1:800 til 1:500, hvilket anses for højt med hen-

visning til internationale standarder, hvor 1:100-150 regnes for normen. Med hensyn til per-

sonalets uddannelse og orientering har de fleste ifølge interviewene erfaring med vejledning

med fokus på at gøre den arbejdsløse arbejdsmarkedsparat, mens fokus i det nuværende

system er at få den arbejdsløse i arbejde.

Sagsbehandlerne i Irland har en kortere uddannelse end i Danmark, og der er lavere kvalif i-

kationskrav til jobbet. Beskæftigelsesområdet er ifølge KORAs interview ikke præget af stor

personaleomsætning.


Profileringen omfatter alle nyledige. Den er en integreret og indbygget del af sagsgangen,

idet profileringen gennemføres rutinemæssigt ved registreringen som ledig. I slutningen af

2014 findes der i alt 125 beskæftigelseskontorer (63 department offices og 62 branch offices)

i Irland, hvor borgere kan registrere sig som ledige og modtage samtaler med sagsbehandle-

50

re. Dermed er gennemførelse af et enstrenget system, såkaldt one-stop-shop-princip, som

skulle understøtte anvendelse af profileringen, fuldt gennemført.

Endvidere har Irland i 2013 udviklet en særlig profileringsmodel for personer, som er lang-

tidsarbejdsløse (har været arbejdsløse over et år). Denne model – Labour Market Disadvan-

tage (LMD, McGuinness, Kelly & Walsh 2014) – er enklere og baseret på færre karakteristika

end PEX og desuden alene på karakteristika, som allerede findes i administrative data. LMD-

profilering blev udviklet for at supplere PEX, og den blev anvendt for første gang i 2013. De

ledige, som ikke havde en PEX-score, fik en LMD-profil i 2013.

I fremtiden vil PEX blive anvendt som hidtil over for alle nyledige, mens LMD tænkes at blive

anvendt lejlighedsvis for screening af især langtidsledige. Langtidsledige udgør fortsat en

relativ stor andel af ledige.


Som nævnt er profileringsmodellen et resultat af flere års udviklingsarbejde, som først be-

gyndte i mindre skala – først i én region med efterfølgende afprøvning i en anden region.

Efter de første modelafprøvninger blev der gennemført en landsdækkende dataindsamling i

perioden september-december 2006, dels baseret på administrative data, dels på informatio-

ner indsamlet ved hjælp af et spørgeskema rettet mod alle nye arbejdssøgende i denne peri-

ode (O’Connell, McGuinness, Kelly & Walsh 2009). Udviklingen i beskæftigelsessituationen for

denne population blev fulgt i 18 måneder med det formål at identificere personer, der var i

risiko for at blive langtidsledige. PEX-modellen bygger på denne dataindsamling og er doku-

menteret i ESRI-rapporten fra 2009 (O’Connell, McGuinness, Kelly & Walsh 2009) samt i to

senere publikationer (O’Connell et al. 2010 og 2012).


Det irske profileringsværktøj repræsenterer en statistisk profilering, hvor den lediges indsats-

kategori er baseret på dennes sandsynlighed for at blive langtidsarbejdsløs. Sandsynligheden

er beregnet ved hjælp af en binær probit-model, som tager udgangspunkt i en række karak-

teristika om det pågældende individ (24 variable i alt, jf. afsnittet ”Konkrete variable”). Disse

karakteristika har forskellige vægte i modellen. Ifølge O’Connell et al. (2012) er arbejdsløs-

hedshistorik, alder, antal børn, uddannelsesniveau, problemer med at læse/regne, bopælens

beliggenhed (by eller landdistrikt), transportmuligheder, seneste tilknytning til arbejdsmar-

kedet, ægtefællens indkomst og geografisk region blandt de faktorer, som stærkest påvirker

sandsynligheden for at blive langtidsledig i 12 mdr. eller derover4. I KORAs interview blev

alder, uddannelse, tidligere joberfaring og arbejdsløshedshistorik samt køn påpeget som de

allervigtigste variable i modellen.

Da fokus ved udviklingen af profileringsmodellen var på at kunne forudsige risikoen for at

blive langtidsarbejdsløs, blev den afhængige variabel defineret som risiko for at være ar-

bejdsløs mere end 52 uger. Dermed var der tale om en binær udfaldsvariabel (med værdier 0

og 1) og en probit-model (regressionsmodel) blev anvendt. Ifølge O’Connell et al. (2009) har

denne tilgang den fordel, at den giver en sandsynlighedsscore, som er let at håndtere og

fortolke i praksis.

Profileringsmodellen blev beregnet separat for mænd og kvinder, idet det havde vist sig, at

der er betydelige forskelle mellem de to køn i de variable, som profileringsmodellen er base-

ret på. Derfor findes der en særlig PEX-model for henholdsvis kvinder og mænd.

4 Variablene er ikke oplistet i prioriteret rækkefølge.

51

Ud over en 12-måneders profileringsmodel blev der i udviklingsfasen også beregnet modeller

for henholdsvis seks måneders arbejdsløshedsrisiko og 15 måneders arbejdsløshedsrisiko,

men de er ikke taget i anvendelse, idet de ikke viste større afvigelser fra 12-måneders-

modellen.

PEX-modellen, som er udformet på baggrund af ovennævnte landsdækkende analyse

(O’Connell et al. 2009), kan antage skalaværdier fra 1 til 100, hvor lave værdier betyder høj

risiko og høje værdier lav risiko for langtidsledighed. Der er fastsat administrativt følgende

scorer, der anvendes til at fordele de ledige på de tre risikokategorier på baggrund af deres

PEX score:

• 1-39 – personer med høj risiko for langtidsledighed

• 40-79 – personer med middelrisiko for langtidsledighed

• 80-100 – personer med lav risiko for langtidsledighed.

Denne inddeling i tre grupper placerer ca. 20 % af de ledige i de to ydregrupper og ca. 60 %

i midtergruppen. Ledige i højrisikogruppen repræsenterer sandsynlighed for at være ledige

over 12 mdr. Ledige i midtergruppen og i lavrisikogruppen forventes ifølge vores informanter

i ministeriet at være ledige henholdsvis 3-12 mdr. og under 3 mdr. Tidsangivelsen for de to

sidstnævnte har ifølge vores informanter imidlertid ikke statistisk begrundelse; de er alene

beskrivende.

Den population, som PEX-modellen (12-måneders profileringsmodellen) bygger på, omfatter

30.762 personer. Alle, der i løbet af 13 uger i september-december 2006 tilmeldte sig som

ledige og søgte understøttelse, blev inkluderet i materialet og skulle udfylde spørgeskemaer,

som var specifikt udviklet med det formål at kunne føre til en relevant profileringsmetode.

61 % af populationen var ikke længere registreret som ledige ved 12 måneders opfølgning,

mens 39 % fortsat var ledige. O’Connoll et al. (2010) konkluderer på baggrund af en bort-

faldsanalyse, at data og profileringsmodellen er repræsentativ for ansøgere af understøttelse

på landsplan.

Forskerne bag den statistiske model, som anvendes i forbindelse med profileringen af de le-

dige, har forsøgsvist lavet en statistisk model, som udelukkende skal beregne sandsynlighe-

den for langtidsledigheden blandt unge under 25 år (Kelly, McGuinness & O’Connell 2011).

Resultatet af analysen viser dog, at en statistisk model, som bygger på en snævert afgrænset

population, har svært ved at forudsige de lediges sandsynlighed for langtidsledighed. Det

skyldes, at gruppen af unge er en relativt homogen grupper, som derfor kun varierer be-

grænset på den afhængige såvel som de uafhængige variable. Derfor vil det være svært at

finde variable, der har en signifikant betydning for de unges langtidsledighed, ligesom model-

len kun vil have begrænset forklaringskraft. I forbindelse med interviewene med KORA giver

forskerne derfor udtryk for, at man bør estimere den statistiske model på baggrund af hele

populationen af ledige.


O’Connell et al. (2012) beskriver, i hvilket omfang 12-månedersmodellen korrekt forudså de

personer, der henholdsvis forlod arbejdsløsheden eller fortsat var arbejdsløse. Forskerne

præsenterer modellens effektivitet ved fire forskellige cut-off-punkter, ved først at opdele

materialet i to grupper (dvs. henholdsvis langtidsledige og ikke-langtidsledige) ved sandsyn-

lighed på 0,5 (50% cut-off) og ved efterfølgende at sætte cut-off-grænsen for langtidsledig-

hed højere og højere (hhv. ved 60%, 70% og 80%). Cut-off-punktet henviser til, hvor stor

en sandsynlighed for langtidsledighed den ledige skal have, når træfsikkerheden testes. Kon-

sekvensen ved at sætte grænsen højere er, at populationen samtidig afgrænses betydeligt

52

(fra 30.762 personer til 6.304 ved 80 % cut-off). Som tabel 4.2 viser, stiger modellens prog-

nostiske værdi betydeligt ved at sætte cut-off-grænsen for langtidsledighed højere: ved et

0,8-cut-off-punkt er modellens præcision 83 % for mænd og 85 % for kvinder. Et højt cut-

off-punkt vil mindske risikoen for fejlagtigt at placere personer, som ikke bliver langtidsledige

(såkaldte falske positive), men man vil samtidig miste flere, som faktisk skulle blive langtids-

ledige (såkaldte falske negative, jf. også Sverige, afsnit 4.3.4).

Tabel 4.2 Træfsikkerhed ved forskellige cut-off-punkter

50 % cut-off 60 % cut-off 70 % cut-off 80 % cut-off

Mænd

Korrekt forudsagt

Total

12.282

17.738

9.739

13.121

6.488

8.191

2.870

3.355

Procent 69,2 74,2 79,2 82,8

Kvinder

Korrekt forudsagt

Total

9.088

13.024

7.299

9.668

5.062

6.239

2.516

2.949

Procent 69,8 75,5 81,1 85,3

Kilde: O’Connell et. al. 2009 og 2010.

Note: Cut-off-punkterne indikerer her, ved hvilke sandsynligheder populationen er opdelt i to grupper: langtidsledige

henholdsvis ikke-langtidsledige.

Det skal bemærkes, at træfsikkerheden er beregnet på grundlag af det samme materiale,

som udgør datagrundlaget for modellen. Ifølge O’Connell et al. (2009 og 2010) blev beskæf-

tigelsessituationen fulgt op for den samme population de efterfølgende 18 måneder. Det er

derfor usikkert, hvor godt værktøjet fungerer for en gruppe ledige, som ikke udgør bereg-

ningsgrundlaget for den statistiske model.

Ifølge KORAs interview monitorerer ministeriet (DSP, Department for Social Protection) profi-

leringsmodellen på grundlag af det materiale, som indsamles gennem løbende profilering af

nyledige. Der er tale om internt materiale, som ikke er offentliggjort, og som ikke har været

tilgængeligt.


Der er hverken blevet foretaget indholdsmæssige ændringer i PEX-værktøjet eller den stati-

stiske model, som definerer, hvilke vægte de enkelte variable har. De cut-off-scorer, der

anvendes til at inddele ledige i tre kategorier, er heller ikke blevet justeret.

O’Connell et al. (2012) har sammenlignet arbejdsløshedsforekomsten henholdsvis i 2006 og

2011 via et arbejdskraftsurvey og stiller spørgsmålet, om den statistiske profileringsmodel

fortsat er effektiv. Selv om der er nogle forskelle mellem 2011-populationen sammenlignet

med 2006, som kunne betyde behov for justeringer og re-kalibrering af PEX, konkluderer

forskerne, at placeringen af individer i forhold til risikofordelingen vil være stabil, hvilket alt

andet lige er det væsentligste krav til et profileringsværktøj.


Der er ifølge interviewene med repræsentanter for departementet følgende udviklingsinitia-

tiver:

• Fra juli 2015 vil sagsbehandlerne få mere information om den enkelte lediges profil og vil

kunne bruge denne information i samtalen (vil kunne se detailinformation vedrørende

profilen inden mødet med den ledige).

53

• Der vil komme et andet IT-system i brug, hvorved registreringen bliver enklere, og hvor

det bliver muligt for den ledige at registrere online.

• Der vil blive udviklet ’indsatsprogrammer’ relateret til kategorisering/segmentering af

klienter.

• Det overvejes, om LMD-modellen (Labour Market Disadvantage), som er baseret på færre

karakteristika end PEX-modellen og karakteristika, som allerede findes i administrative

data, med fordel kan anvendes bl.a. til at monitorere ledige, som er i systemet i lang tid.


Nedenfor samles der i punktform op på de væsentligste forhold ved det irske system, som

kan være relevante i udviklingen af et dansk profileringsværktøj.

• I Irland anvendes profileringsværktøjet primært til den indledende diagnosticering af den

ledige. Profilerne er dog også bestemmende for, hvornår indsatsen over for den ledige

igangsættes, og hvor mange ressourcer der anvendes. På den måde er det irske system

et eksempel på, hvordan profileringen aktivt anvendes i beskæftigelsesindsatsen. Det ir-

ske beskæftigelsessystem adskiller sig dog fra det danske ved, at der ikke har fundet pro-

filafklaring sted tidligere, hvorfor sagsbehandlerne aldrig har prøvet andet end statistisk

profilering.

• Det irske system er ugennemsigtigt både for sagsbehandleren (indtil videre) og for den

ledige. Det betyder, at sagsbehandleren ikke kan anvende informationerne fra profilerin-

gen i det videre arbejde med den ledige, og derfor må indsamle oplysningerne på ny.

• Sagsbehandlerne, som står for indsatsen, har ingen indflydelse på den lediges profil, og

det er ikke muligt at re-kategorisere den ledige undervejs i ledighedsperioden, selv om

der sker store ændringer i den lediges situation. På denne måde er systemet meget lidt

refleksivt.

• Hovedparten af informationerne til det irske værktøj indhentes fra den ledige ved tilmel-

ding. Der anvendes skemaer, der ikke er konstrueret til at blive anvendt til indsamling af

data til profilering.

54

4.3 Sverige: Bedömningsstöd

Bedömningsstödet er et statistisk profileringsværktøj, der angiver den lediges sandsynlighed

for at blive langtidsledig og på den baggrund inddeler den ledige i en af fire risikokategorier

for langtidsledighed. Bedömningsstödet er profileringsværktøj med et diagnostisk sigte jf.

terminologien præsenteret i kapitel 1 Baggrund og formål.


Kontekst

Bedömningsstödet blev udviklet, da Arbejdsformidlingen i Sverige i budgettet for 2012 fik

bevilget særlige midler til at igangsætte tidlig indsats over for personer i risikozonen for lang-

tidsarbejdsløshed. Der skulle udvælges personer med risiko for langtidsledighed til job- og

udviklingsgarantien, hvilket skulle vedrøre ca. 10 % af de nytilmeldte ledige. Ved denne ud-

vælgelse skulle Arbejdsformidlingen ifølge den svenske regering anvende en profileringsmo-

del. I den sammenhæng udformede Arbejdsformidlingen bedömningsstödet, og værktøjet

blev taget i anvendelse i januar 2012.

Bedömningsstödet, som skulle tages i anvendelse med kort varsel ved årsskiftet 2011-2012,

tager udgangspunkt i et mere omfattende profileringsværktøj, som IFAU, Instituttet för ar-

betsmarknads- och utbildningspolitisk utvärdering i Uppsala, havde udviklet. IFAU havde, i

samarbejde med Arbejdsformidlingen, udviklet profileringsmodeller siden 2006, og afprøvet

dem på forsøgsbasis i 2007 i Gävleborgs amt og i 2010 i to lokalområder. Afprøvningen ind-

friede forventninger til profilering, men modellen var ikke færdigudviklet, så den kunne tages

i anvendelse (bl.a. manglede systemstøtte og bestemte juridiske spørgsmål skulle afklares).

Derfor blev der i løbet af fire måneder i efteråret 2011 udviklet et enklere værktøj, bedöm-

ningsstödet (Dahlén 2012), som kunne anvendes til at identificere personer til job- og udvik-

lingsgarantien. Af den grund betegner Dahlén (2012) profileringssystemet ’ett förenklat

bedömningsstöd’.

De centrale aktører i forbindelse med udviklingen af bedömningsstödet har ud over det sven-

ske arbejdsministerium været forsknings- og utvärderingsenheten på Arbetsförmedlingens

analyseafdeling (Dahlén 2012 og 2014) og IFAU, Instituttet för arbetsmarknads- och utbild-

ningspolitisk utvärdering i Uppsala (Assadi 2014, Assadi & Lundin 2014). Derudover har der i

hele udviklingsperioden været projektgrupper, som har haft medlemmer fra de lokale ar-

bejdsformidlinger.

Formål

Hensigten med at udvikle bedömningsstödet var at få et redskab, som kan bruges til at iden-

tificere de personer, der risikerer at blive langtidsledige i en situation, hvor der blev allokeret

særlige ressourcer for at tilbyde denne gruppe en tidlig og intensiveret indsats (ca. 30.000

personer på landsplan). Bedömningsstödet skulle være metoden til at lette udvælgelsen,

således at udvælgelsen blev udført på samme måde og dermed så ensartet som muligt i hele

landet.

Profileringsmodellen skulle fra 1.1.2012 medføre, at arbejdsformidlingens praksis over for

ledige med højest risiko for at blive langtidsledige blev intensiveret. Dermed var hensigten at

forebygge langtidsledighed.

Anvendelse af bedömningsstödet beskrives som en del af arbejdsformidlingens nye arbejds-

form, som blev indført i 2012 med henblik på at øge effektivitet, retssikkerhed og ensartet-

55

hed i sagsbehandlingen (Arbetsmarknadsrapport 2013). Indførelse af bedömningsstödet skul-

le betyde, at indskrivningen af jobsøgende finder sted ud fra ensartede rutiner.

Set i et større perspektiv har udviklingen af et profileringsværktøj i Sverige også været moti-

veret af ønsket om at reformere arbejdsformidlingen således, at dens rolle i større udstræk-

ning bliver at foretage den indledende vurdering af de jobsøgendes behov samt at følge op på

de udførende aktørers formidlingsarbejde, mens selve indsatsen vil blive udført af andre ak-

tører. (Sveriges riksdag (2012): Motion 2012/13: A389)


Konkrete variable (herunder sammensætning af faktuelle og subjektive variable)

Bedömningsstödet består af i alt 12 variable, heriblandt personlige karakteristika, individuelle

forudsætninger for arbejdsmarkedet både generelt og inden for egen profession. Der er tale

om faktuelle oplysninger, som i beskrivelser af bedömningsstödet betegnes som faktuelle

data (Assadi 2014), dvs. at der ikke indgår informationer, som tager udgangspunkt i de ledi-

ges vurderinger. De 12 variable blev udvalgt på baggrund af IFAU’s analyser, som havde vist,

hvilke variable der typisk samvarierer med langtidsarbejdsløshed, og derfor kan forventes at

være vigtige for at identificere langtidsledighed (Dahlén 2012).

De 12 variable er følgende (svarkategorierne på de enkelte variable fremgår af bilag 4):

• Alder

• Funktionsnedsættelse

• Fødeland


• Arbejdsløshedsforsikring (påanmeld arbetslöshedskassa)

• Tidligere arbejdsløsheds (tid) (tidigare arbetslöshedstid)

• Seneste arbejdsløshed (senast arbetslös)

• Tilmeldingsmåned

• Arbejdsløshedsprocent i kommunen

• Søgt arbejdsområde (sökt yrke)

• Erfaring inden for søgt arbejdsområde

• Uddannelse inden for søgt arbejdsområde.

Oplysningerne indsamles i forbindelse med den lediges første kontakt med en sagsbehandler i

arbejdsformidlingen. Sagsbehandleren interviewer den ledige og indtaster oplysningerne i

systemet, hvorefter systemet umiddelbart viser resultatet, dvs. den kategori bedömningsstö-

det placerer den pågældende i.

Der er endvidere udviklet særlige tillægsspørgsmål til unge ledige i alderen 16-24 år (bl.a.

Assadi & Lundin 2014). De indgår ikke som en integreret del af den statistiske model, og de

skal derfor ses som et vigtigt supplement til bedömningsstödet for at kunne vurdere, om en

ung person har behov for en tidlig indsats. Hidtidige analyser viser imidlertid, at sagsbehand-

lerne kun i meget begrænset grad kender disse spørgsmål eller bruger dem (Assadi 2014,

Assadi & Lundin 2014).

56


Målgruppen for anvendelse af bedömningsstödet er alle ledige, såvel forsikrede som ikke-

forsikrede. Arbetsförmedlingen står i Sverige for indsatsen for begge grupper. Bedömnings-

stödet opdeler den ledige i en af de følgende fire grupper, som angiver den lediges afstand

fra arbejdsmarkedet (Arbetsmarknadsrapport 2013, Assadi 2014):

• Gruppe 1: bør have meget gode muligheder for at komme i beskæftigelse

• Gruppe 2: bør have gode muligheder for at komme i beskæftigelse

• Gruppe 3: støtte bør overvejes for at øge muligheden for beskæftigelse

• Gruppe 4: har behov for støtte for at øge muligheden for beskæftigelse.

Beskrivelserne af de fire grupper ovenfor relaterer sig til den lediges mulighed for at komme i

beskæftigelse, men i realiteten er de baseret på en statistisk model, der beregner den lediges

sandsynlighed for at blive langtidsledig. Som det fremgår af afsnit 4.3.4, inddeler de nuvæ-

rende grænseværdier for de fire kategorier 51 % af de ledige i gruppe 1, 34 % af de ledige i

gruppe 2, 13 % af de ledige i gruppe 3 og 2 % af de ledige i gruppe 4.

Tilhørsforhold til kategori 4, højrisikogruppen, har betydning for den lediges sagsgang og den

indsats, der igangsættes (jf. afsnit Sagsgang efter kategorisering).


Hensigten er, at sagsbehandleren bruger bedömningsstödet ved den første kontakt med den

ledige. Det er ligeledes hensigten, at ikke alene alle nye klienter bliver profileret, men også

gengangere, dvs. personer, der bliver ledige efter en periode i arbejde.

I udviklings- og afprøvningsfasen blev oplysningerne indhentet fra registre, mens proceduren

siden indførelsen af bedömningsstödet i 2012 er, at sagsbehandleren indhenter oplysningerne

ved at interviewe den ledige.


Bedömningsstödet er ment som et hjælpemiddel, der foreslår, hvilken af de fire kategorier

den pågældende ledige hører til. Værktøjet giver en indledende kategorisering af den ledige,

men sagsbehandleren kan til enhver tid ændre kategorien (Assadi 2014, Dahlén 2014).

Sagsbehandleren har således den endelige beslutningskompetence til at afgøre, hvilken af de

fire grupper den ledige hører til, herunder fx foretage den endelige udvælgelse af ledige til

tidlig indsats. Dette begrundes med, at bestemte individuelle egenskaber ikke indgår i eller

fanges af bedömningsstødet. Derfor skal det altid være sagsbehandlerens faglige helhedsvur-

dering, som er udgangspunktet for planlægningen af det videre forløb (Arbetdsmarknadsrap-

port 2013).

Dahlén vurderer (KORAs interview) på baggrund af sine analyser af modellens træfsikkerhed,

at de to ydergrupper, dvs. ledige, der har behov for særlig indsats (gruppe 4), og ledige, som

stort set kan klare sig uden indsats (gruppe 1), er forholdsvis velafgrænsede. Modellen vil

være mest præcis i disse tilfælde. Derfor vil sagsbehandlerens vurdering have mest betyd-

ning i forhold til de to midterkategorier 2 og 3, hvor profileringsmodellen er mere upræcis (jf.

Dahlén 2012: figur 3, samt KORAs interview).

Dahlén (2014) har i et ikke-offentliggjort oplæg sammenlignet bedömningsstödets resultat

med sagsbehandlernes vurdering. Resultaterne tyder på, at i de tilfælde, hvor disse to vurde-

ringer afveg fra hinanden, havde bedömningsstödet større træfsikkerhed med hensyn til at

forudsige, om den jobsøgende blev langvarig arbejdsløs eller ikke gjorde det.

57


Profileringen sker ved tilmelding i en samtale mellem sagsbehandleren og den ledige, hvor

sagsbehandleren gennemgår de 12 spørgsmål, der udgør profileringsværktøjet. Systemet

angiver resultatet af bedömningsstödet umiddelbart efter de 12 oplysninger er indtastet ved

at vise, i hvilken af de fire kategorier den pågældende ledige tilhører – fx kategorien ”bør

have gode muligheder for at komme i beskæftigelse” eller ”har behov for støtte for at øge

muligheden for beskæftigelse”.

Selv om bedömningsstödet anvendes i en samtalesituation, er det alene sagsbehandleren,

der kan se resultatet, dvs. i hvilken kategori systemet placerer den ledige. Ud over totalsco-

ren og kategorien har sagsbehandleren adgang til hele den lediges profil, og hun kan dermed

se, hvordan totalscoren er sammensat. Denne viden kan sagsbehandleren bruge for at re-

kategorisere den ledige.

Det er kun sagsbehandlerens endelige klassificering, der fremgår af den lediges sags-

oplysninger, og det fremgår ikke, om den afviger fra den kategorisering, som bedömnings-

stödet har resulteret i. Det fremgår heller ikke af sagsdokumenterne, om sagsbehandleren

har gennemført bedömningsstödet. I princippet er det et krav, men det har ingen konsekven-

ser, hvis ikke sagsbehandleren benytter værktøjet, ligesom der ikke er kontrol med, om en

tidlig indsats er baseret på bedömningsstödet eller sagsbehandlerens egen vurdering. Det er

administrativt muligt at se, om en bestemt ledig fik en tidlig indsats, men det er ikke muligt

at se, om dette var baseret på profilering eller sagsbehandlerens egen kategorisering. Den

lediges profil og profileringsresultat bliver ikke gemt i systemet; begrundelsen herfor er ifølge

interviewet, at det vil forudsætte et tilsagn fra den ledige.

Den ledige bliver hverken oplyst om, at der foretages en profilering eller om profileringens

resultat. Dette har været et bevidst valg, fordi det ifølge udviklerne af modellen ikke vil være

til gavn for den ledige. Begrundelsen er, at kendskab til egen risikokategori ville kunne blive

en selvforudsigende profeti og kunne påvirke den ledige negativt i det tilfælde, at den pågæl-

dende hører til kategorien med højest risiko for langtidsarbejdsløshed. Det vil være stigmati-

serende og vil opleves som nedslående. Ifølge interviewene er det mere relevant og kon-

struktivt at bruge resultaterne til at tale med den ledige om, hvad der skal foretages, for at

den pågældende kan komme i arbejde.


Alle jobsøgende skal ved indskrivning have en fremadrettet handlingsplan, som sagsbehand-

leren skal oprette i dialog med den ledige. Planen skal indeholde og fokusere på aktiviteter,

som leder til arbejde eller uddannelse og støtte den lediges strategi til at søge arbejde. (Ar-

betsmarknadsrapport 2013).

For de ledige, som ikke har behov for en tidlig indsats, skal handlingsplanen oprettes ved det

første besøg (Arbetsmarknadsrapport 2013).

For de jobsøgende, som har behov for en tidlig indsats, skal en tilsvarende handlingsplan

oprettes inden for fem dage fra første kontakt, da det kræver flere ressourcer at analysere

mulighederne for disse ledige. Som tidlige indsatser beskrives bl.a. tætte kontakter med ar-

bejdsformidlere, coachende samtaler, vejledning, udredende samtaler, arbejdspraktik, ar-

bejdsmarkedsuddannelse, forberedende indsatser og rehabiliterende indsatser i (Sibbmark

2012 og 2013, Arbetsmarknadsrapport 2013, Assadi 2014). Ifølge Assadi (2014) findes der

ikke en formel tidsgrænse for, hvornår en indsats er tidlig, andet end at den skal gives inden

den jobsøgende indtræder i job- og udviklingsgarantien, som vedrører ledige, der har været

uden arbejde i længere tid, og senest efter 450 dages ledighed (Assadi 2014).

58

Anvendelse af bedömningsstödet er således ikke relateret til bestemte interventioner, dvs.

ikke rettet mod målretning af indsatser i Loxha & Morgandis (2014) terminologi. Det er sags-

behandleren, der bestemmer, hvilke tiltag der skal iværksættes efter udvælgelse til tidlig

indsats (Assadi 2014; KORAs interview).


Implementeringen af bedömningsstödet skete i forbindelse med den svenske regerings be-

slutning om at prioritere indsatsen for langtidsledige. Ledelsen fra arbejdsformidlingens lo-

kalkontorer fik som opgave at stå for implementeringen og skulle i praksis beslutte, hvordan

implementeringen blev udformet. Ifølge interviewene havde man kendskab til sagsbehandler-

nes modstand i forbindelse med implementeringen af Jobbarometer i Danmark, herunder

frygten for at erstatte eller nedgradere den faglige vurdering. Men samtidig skulle værktøjet

færdigudvikles og tages i brug under tidspres, og derfor blev implementeringen forhastet og

mangelfuld.


Bedömningsstödet blev taget i brug med meget kort varsel efter regeringen i efteråret 2011

havde besluttet, at der skulle tilbydes en tidlig indsats for ca. 30.000 personer, som havde

høj risiko for at blive langtidsledige. Sagsbehandlerne i de lokale arbejdsformidlinger skulle

fra 1.1.2012 anvende profileringen til at udvælge enkeltindivider til målgruppen for tidlig

indsats. Der blev ikke oprettet bestemte indsatser/programmer, som skulle tilbydes disse

klienter; sagsbehandlerne var ansvarlige for at tilrettelægge indsatsen.

I det første år (2012) blev bedömningsstödet brugt meget lidt – sagsbehandlerne kunne ikke

se formålet med at bruge værktøjet. Derfor blev der året efter gjort et forsøg på at give mere

information til sagsbehandlerne, og dette vurderes at have resulteret i en lidt højere anven-

delse. Anvendelse af systemet vurderes ikke at være blevet markant anderledes siden 2012.

Ud over manglende anvendelse viser erfaringerne fra Sverige desuden, at sagsbehandlerne

anvender værktøjet uensartet. Det er ikke teknisk muligt at undlade at udfylde alle 12

spørgsmål, men ifølge evalueringen sker det, at sagsbehandleren selv tager stilling til

spørgsmål uden at stille dem til den ledige. Ca. 60 % af arbejdsformidlerne i en landsdæk-

kende spørgeskemaundersøgelse (Assadi & Lundin 2014) angiver, at de har gjort dette oftere

end blot en enkelt gang. Som årsag nævnes, at nogle spørgsmål opleves overflødige eller

ubehagelige at stille. Som eksempler på sidstnævnte nævnes fødeland og funktionsnedsæt-

telse.


Implementeringsprocessen beskrives som forhastet og mangelfuld (Assadi 2014, Assadi og

Lundin 2014, KORAs interview). I første omgang blev ledere af alle lokale arbejdsformidlinger

inviteret til et møde, hvor de blev informeret om det nye initiativ om tidlig indsats over for

udvalgte ledige og om bedömningsstödet som metoden til at udvælge dem. Lederne havde til

opgave at videregive denne information til ansatte i lokalkontorerne. Samtidig blev der uddelt

materiale om, hvordan bedömningsstödet anvendes. Dette skete under tidspres. Ifølge

KORAs interview befandt sagsbehandlerne sig i den situation, at de skulle bruge et værktøj,

som de næsten ikke kendte, og hvor de næppe vidste, hvorfor de skulle bruge værktøjet.

Den senere evaluering (Assadi & Lundin 2014) har vist, at de lokale chefer ofte er mere posi-

tivt stemt over for værktøjet end sagsbehandlerne.

Et problematisk punkt ved implementeringen har ifølge KORAs interview været, at den infor-

mation, der blev givet til sagsbehandlerne, primært vedrørte, hvordan værktøjet skulle admi-

59

nistreres, og hvordan resultaterne skulle fortolkes i de forskellige tilfælde. Derimod blev det

overset, at forudsætningen for, at systemet skulle bruges, var, at sagsbehandlerne kendte

hensigten med værktøjet, og at de kunne se anvendelsen som en fordel i deres arbejde i

stedet for at opfatte værktøjet som en ekstra opgave eller som en slags kontrol eller mistillid.

Endvidere har sagsbehandlernes arbejdssituation spillet ind: Det vil tage mere tid at give en

tidlig indsats end at lade være, og derfor er der ikke et reelt incitament til at bruge værktø-

jet. Derudover opleves anvendelse af bedömningsstödet som dobbeltarbejde: Sagsbehand-

lerne forventes at udpege til risikogruppen, personer, som de allerede ved, hører til denne

gruppe. Det vil sige, at profileringen i disse tilfælde ikke synes at give ekstra information og

opleves derfor ikke som meningsfuld.

Der har ikke været tilbudt kurser om bedömningsstödet til alle medarbejdere. Der har været

uddannelsesseancer, hvor kun udvalgte medarbejdere har haft mulighed for at deltage, og

nye medarbejdere har fået information i forbindelse med deres introduktionsperiode. Vejled-

ningen har været tilgængelig på arbejdsformidlingens intranet (VIS). Endelig nævnes det ved

interviewene, at retningslinjerne er blevet ændret flere gange.


Arbejdsformidlingerne med i alt ca. 300 lokalkontorer på landsplan er potentielle brugere af

systemet.

Det vides ikke præcist, i hvilket omfang bedömningsstödet bruges i dag, og der er meget

varierende vurderinger af dets anvendelse. I en landsdækkende spørgeskemaundersøgelse

fra 2014 angiver ca. 70 % af arbejdsformidlerne, at de ”altid eller næsten altid” anvender

værktøjet ved registrering af arbejdsløse (Assadi & Lundin 2014). Samtidig viser detailanaly-

serne i undersøgelsen bl.a., at medarbejderne ikke altid stiller spørgsmålene til den ledige,

men i stedet indhenter oplysningerne på anden måde, hvilket udgør en potentiel risiko for, at

svaret er misvisende (jf. afsnit ”Hvordan blev værktøjet taget i brug ved frontlinjen?”). Ved

KORAs interview (november 2014) er vurderingen, at profileringsværktøjet bruges af ca. 30-

40 % af sagsbehandlerne samtidig med et betydeligt udsving mellem lokalkontorerne. Ifølge

Assadi & Lundin (2014) er der desuden variation mellem ansatte internt i kontorerne. Vurde-

ringen er, at anvendelse i udbredt grad er afhængig af ledelsens holdning og bevågenhed.

Nyansatte sagsbehandlere er mere positive end dem, der har været ansat længe, evt. fordi

de nyansatte ikke kender andet, og fordi de er mere usikre på deres egne vurderinger. Der

findes ikke oplysninger om, hvorvidt sagsbehandlerne i højere grad undlader at bruge

bedömningsstödet i relation til lav- og højrisikogruppen, end i relation til de to midtergrup-

per.

Ifølge Assadi (2014) er de unge (16-24-årige) den gruppe, hvor personalet er allermest skep-

tisk over for bedömningsstödet, eller hvor værktøjet anvendes allermindst. 60 % af sagsbe-

handlerne kender ikke til tillægsspørgsmålene til unge, og det vurderes, at de kun anvendes i

30 % af de tilfælde, hvor de er relevante (Assadi & Lundin 2014).


Som nævnt indledningsvis er bedömningsstödet baseret på flere års udviklingsarbejde, hvor

forskningsinstituttet IFAU i samarbejde med den svenske arbejdsformidling har været den

centrale aktør. Den statistiske model er baseret (blevet estimeret) på et materiale som om-

fatter ca. 285.000 personer indskrevet som arbejdsløse i løbet af 2010. Både forsikrede og

ikke-forsikrede ledige indgår i materialet.

60

På baggrund af IFAU’s udviklingsarbejde og modelafprøvningen blev de 12 mest centrale

variable udvalgt til det nuværende bedömningsstöd, som således er en ’light’ udgave af det

værktøj, som IFAU havde udviklet siden 2006. I den forbindelse blev også en anden statistisk

model valgt (logistisk regression i stedet for varighedsanalyse). Dokumentation af bedöm-

ningsstödet findes i et upubliceret arbejdspapir fra 2012 (Dahlén 2012).


Som beskrevet, er bedömningsstödet baseret på en statistisk model, men som et profile-

ringsværktøj repræsenterer det en dataassisteret profilering (jf. terminologien præsenteret i

kapitel 1 Baggrund og formål), idet værktøjet kun er vejledende med hensyn til, hvilken ka-

tegori den ledige tilskrives.

Den statistiske model bag bedömningsstödet er en logistisk regressionsmodel. Målvariablen

er binær, dvs. har to udfald – i bedömningsstödet enten ja eller nej – idet modellen beregner

sandsynligheden for, om personen forventes at passere seks måneders indskrivning i ar-

bejdsformidlingen enten som arbejdsløs eller i aktiveringsprogram. I bedömningsstödet er

grænsen for langtidsledighed sat ved seks måneder, hvilket er forskelligt fra den australske

JSCI-model og den irske PEX-model, hvor grænsen er ved 12 måneder.

De 12 variable har forskellige vægte i modellen. Ifølge Dahlén (2012: tabel 6 og 7) er variab-

lene alder, uddannelse, funktionsnedsættelse og arbejdserfaring de variable, som er de stær-

keste prædiktorer for langtidsledighed over seks måneder.

Bedömningsstödet giver på baggrund af de 12 variable hvert individ en totalscore. Høje vær-

dier indikerer større risiko for langtidsledighed, mens lave værdier indikerer mindre risiko.

Kategoriseringen i de fire risikogrupper for langtidsledighed er baseret på følgende grænse-

værdier (og sandsynligheder for at blive arbejdsløshed over 6 måneder):

• Gruppe 1 med lavest risiko: < 12 (sandsynlighed 0-0.4)

• Gruppe 2 med næstlavest risiko: 12-69 (sandsynlighed 0.4-0.6)

• Gruppe 3 med næsthøjest risiko: 69-167 (sandsynlighed 0.6-0.8)

• Gruppe 4 med højest risiko: >167 (sandsynlighed 0.8-1.0).

Grænseværdierne er aftalebaserede, dvs. de kan ændres afhængig af, hvad profileringen skal

bruges til. Ovennævnte inddeling i fire grupper placerer 51 % af de ledige i gruppe 1, 34 %

af de ledige i gruppe 2, 13 % af de ledige i gruppe 3 og 2 % af de ledige i gruppe 4. For at nå

mængden på ca. 25.000-30.000 personer med størst risiko for langtidsledighed over seks

måneder bør grænseværdien for tidlig indsats ifølge Dahlén (2012) sættes ved sandsynlighed

0.648. Grænseværdierne kan således bruges som styringsparametre, fx i forhold til udvæl-

gelse af en bestemt andel af ledige henholdsvis i højrisikogruppen og lavrisikogruppen.


Beregningerne vedrørende den statistiske models træfsikkerhed bygger på et materiale, som

omfatter ca. 285.000 personer indskrevet som arbejdsløse i løbet af 2010. Situationen for

disse personer blev fulgt, således at det var muligt at sammenligne prognosen og det faktiske

udfald seks måneder senere. Ifølge Dahlén (2012) er modellens specificitet og sensitivitet

bedst ved cut-off-point 0.4.

Tabel 4.3 viser den statistiske models træfsikkerhed ved cut-off-punkt 0,4.

61

Tabel 4.3 Antal og andel af hhv. rigtigt og fejlagtigt placerede personer ved cut-off-point 0.4

Udfald

Mere end 6 måneder Mindre end 6 måneder

Prognose Mere end 6 måneder 63.2 % (7.711) 38.6 % (62.853)

Mindre end 6 måneder 36.8 % (45.075) 61.4 % (100.027)

Note: N=215.666

Kilde: Dahlén 2012

Dahlén (2012, samt KORAs interview) argumenterer for, at man ved et højt cut-off-niveau vil

mindske risikoen for fejlagtigt at placere personer, som ikke bliver langtidsledige, men man

vil samtidig miste flere, som faktisk skulle blive langtidsarbejdsløse (jf. tilsvarende overvejel-

ser i Australien, afsnit 4.1.4, og i Irland, afsnit 4.2.4). Derfor vil det bedste niveau være cirka

ved den gennemsnitlige risiko for at blive langtidsarbejdsløs og i den svenske model ved ca.

40 %, når der anvendes seks måneder som kriterium for langtidsledighed.

Endvidere viser Dahléns analyse (2012), at risikobedømmelse ved bedömningsstödet og an-

delen af langtidsledige (og arbejdsløshedens længde) i de forskellige risikokategorier har en

stærk sammenhæng. Dette fremgår af tabel 4.4.

Tabel 4.4 Andel af langtidsledige og gennemsnitlig arbejdsløshedslængde ved forskellige

risikoscorer i bedömningsstödet

Risikobedømmelse (score) ved

bedömningsstöd

Andel med tid>182 dage, pct. Gennemsnitlig tid

(arbejdsløshedens længde, dage)

0,0 – 0,2

0,2 – 0,4

0,4 – 0,6

0,6 – 0,8

0,8 – 1,0

17,1

31,2

48,8

68,5

81,3

123

167

226

306

376

Note: Note: ’gennemsnitlig’ tid omfatter både afsluttede og censurerede tider.

Kilde: Dahlén 2012.

Ifølge foreløbige analyser er der evidens for, at bedömningsstödet er lidt bedre til at forudsi-

ge, om en person bliver langtidsledig end sagsbehandlerne (Dahlén 2014). En væsentlig for-

del ved at anvende profilering er ifølge Dahlén (2014), at kategorisering af de arbejdsløse

foretages efter ensartede principper/kriterier i hele landet. Dermed vil det statistiske profile-

ringsværktøj resultere i en mere systematisk kategorisering af de ledige, end den som sags-

behandlerne foretager. Sagsbehandlerne i et lokalkontor møder kun et bestemt segment af

arbejdsløse og har derfor ingen mulighed for at sammenholde deres egne klienter med an-

dres klienter. Dette er ifølge Dahlén muligvis ikke blevet kommunikeret tilstrækkeligt tydeligt

for sagsbehandlerne. Derfor er sagsbehandlerne ikke overbeviste om, at et profileringsværk-

tøj er bedre end deres egen vurdering.

Samtidig viser analysen af træfsikkerhed, at modellen er noget usikker for midtergrupperne 2

og 3 (Dahlén 2012: figur 3), og derfor vil sagsbehandlerens vurdering især være vigtig i disse

tilfælde.

Et yderligere aspekt vedrørende profileringsværktøjets træfsikkerhed er datakvalitet. Assadi

(2014) og Assadi & Lundin (2014) rejser på baggrund af to analyser af sagsbehandlernes

relation til anvendelse af værktøjet spørgsmålet, om de grundoplysninger, som sagsbehand-

62

lerne indtaster, er indsamlet korrekt og efter høj standard. Både Assadi & Lundin og vores

informanter i centraladministrationen nævner som en vigtig forudsætning for hensigtsmæssig

anvendelse at værktøjet, at sagsbehandlerne oplever det som meningsfuld i deres arbejde.


Der er ikke foretaget ændringer i variablerne siden bedömningsstödet blev taget i anvendelse

i januar 2012. Modellen er ikke blevet rekalkuleret, men det vil være ganske enkelt at gøre.

Opdatering vil eventuelt betyde små ændringer i de vægte, som de enkelte variabler er til-

delt, men ifølge hidtidige erfaringer henholdsvis fra modelafprøvning og fra anvendelse i

praksis sker der ifølge KORAs interview med Dahlén ikke store ændringer fra år til år. På in-

dividniveau vil placeringen på risikoskalaen være nogenlunde den samme uanset mindre æn-

dringer i vægte.

Det er ikke muligt at foretage løbende evalueringer af anvendelsen af bedömningsstödet, idet

hverken den lediges totalscore eller placering på de enkelte variable gemmes i systemet.

Når bedömningsstödet udfyldes i dag, hentes ingen information fra registre, men i princippet

findes samtlige informationer i registre. Derfor kunne bedömningsstödet i princippet udfyldes

automatisk på baggrund af registeroplysninger, men intentionen ved anvendelse af bedöm-

ningsstödet har været at involvere sagsbehandlerne.

Det svenske system er i øjeblikket alene et kategoriseringsinstrument, idet det angiver den

lediges afstand i forhold til arbejdsmarkedet. Ifølge KORAs interview vil det være hensigts-

mæssigt at kombinere profilering med interventioner/programmer, og der er gjort foreløbige

analyser desangående.


Som nævnt blev bedömningsstödet endelig udviklet under tidspres, hvor nogle af ideerne bag

det mere detaljerede profileringssystem, som IFAU oprindeligt var ved at udvikle, ikke kunne

realiseres. Delvis på baggrund af IFAUs udviklingsarbejde og delvis på baggrund af de hidtil

indhøstede erfaringer ved bedömningsstödet, er der overvejelser om forskellige muligheder

for revision:

• Nye spørgsmål, fx om sproglige færdigheder, motivation, netværk o.l., dvs. inddragelse

af flere variable, der bygger på den lediges vurderinger

• Højere grad ’targeting’-orientering, således at kategorisering vil have betydning for den

efterfølgende intervention for de fire risikogrupper

• Skal indsamlingen af oplysninger evt. ligge hos sagsbehandleren eller den ledige ved

selvregistrering.

Ifølge Dahlén (januar 2015) har en ny udgave af bedömningsstödet indeholdende ovennævn-

te nye typer variable været afprøvet på et pilotkontor, men resultaterne af denne afprøvning

er endnu ikke rapporteret. Endvidere er der i Arbejdsformidlingens analyseafdeling igangsat

planlægningen af et større udviklingsarbejde vedrørende bedømningsstödet.

4.3.5 Sammenlignelighed med/overførbarhed til danske forhold

Nedenfor samles der i punktform op på de væsentligste forhold ved det svenske system, som


63

• Planer om at udbygge bedömningsstödet med flere subjektive variable er i overensstem-

melse med intentionerne ved udviklingen af et profileringsinstrument i Danmark, dvs. ud

over faktuelle oplysninger at inkludere vurderinger fra den ledige.

• Det svenske profileringsværktøj er gennemsigtig for sagsbehandler, både hvad angår

totalscore og de enkelte variable, men den er ikke gennemsigtig for den ledige. Den ledi-

ge informeres ikke om profileringen.

• Der kan forventes samme type modstand/skepsis hos sagsbehandlere i Danmark som i

Sverige (jf. erfaringer med jobbarometer) og derfor mangelfuld anvendelse af instrumen-

tet. Derfor er det et helt centralt aspekt ved indførelsen af et profileringsværktøj, at

sagsbehandlerne er informeret om, hvorfor værktøjet er vigtigt, og at anvendelse af

værktøjet opleves som meningsfuldt.

• Det er vigtigt at være opmærksom på datakvaliteten af den indsamlede data. Dvs. at

instrumentet anvendes systematisk over for alle ledige, og at indsamlingen af oplysnin-

gerne sker ensartet.

64

4.4 Tyskland: 4-PM-model

Profilafklaringen i Tyskland adskiller sig fra profilafklaringen i de tre øvrige lande ved, at der

ikke anvendes et statistisk profileringsværktøj. Profilafklaringen foretages alene på baggrund

af sagsbehandlerens vurdering af den ledige, dog skal sagsbehandleren belyse en række te-

maer under samtalen, som skal guide til den rette kategorisering af den ledige.


Kontekst

Udviklingen og implementeringen af det tyske profileringsværktøj startede i forbindelse med

en række arbejdsmarkedsreformer i perioden 2003-2005, de såkaldte Hartz I-IV reformer.

Reformerne blev indført, da Tyskland gennem et årti havde oplevet en høj arbejdsløshedsrate

blandt langtidsledige (Konle-Seidl & Schewe 2008). Et af målene med reformerne var, at der

skulle ske en hurtigere og bedre reintegration af de ledige på arbejdsmarkedet. Samtidig var

hensigten, at en større andel af de inaktive grupper, såsom flygtninge/indvandrere og kvin-

der på passiv forsørgelse, skulle i beskæftigelse.

Reformerne medførte bl.a. et øget krav om at ledige skulle stå til rådighed for arbejdsmarke-

det, samt en forenkling af understøttelsessystemet, som blev reduceret fra tre til to grupper

af ledige, bestående af henholdsvis forsikrede ledige og ikke-forsikrede ledige. Derudover

blev den føderale arbejdsmarkedsmyndighed omorganiseret. Det medførte bl.a. oprettelsen

af et enstrenget system.

Efter reformen fik den føderale arbejdsmarkedsmyndighed, Bundesagentur für Arbeit (BA),

ansvaret for indsatsen over for de forsikrede ledige, mens indsatsen over for de ikke-

forsikrede ledige skulle varetages af de lokale beskæftigelsesmyndigheder og Bundesagentur

für Arbeit i fællesskab5 (Hoerning 2014).

Formål

Et centralt element i ovennævnte reformproces var udviklingen og implementeringen af et

profileringsværktøj. Værktøjet skulle medvirke til at klassificere de ledige i henhold til deres

muligheder for at komme i beskæftigelse, så den rette reintegrationsindsats kunne iværksæt-

tes. (Konle-Seidl & Schewe 2008, KORAs interview)

I 2004 blev udviklingen af profilafklaringssystemet ”Handlungsprogrammen” sat i værk. Sy-

stemet omfattede i begyndelsen et statistisk profileringsværktøj, som sagsbehandlerne kunne

anvende som et støttende redskab i profilafklaringen af de ledige. Det statistiske værktøj

blev dog kun afprøvet på forsøgebasis, og blev udfaset, inden det blev implementeret fuldt

ud6. Herefter har profilafklaringen udelukkende været foretaget ud fra sagsbehandlerens vur-

dering.

I 2009 blev ”Handlungsprogrammen” erstattet af ”4-fasemodellen for lediges reintegration på

arbejdsmarkedet”, den såkaldte 4-PM. 4-PM er en udbygning af ”Handlungsprogrammen” og

blev indført, da Bundesagentur für Arbeit ønskede et system, hvor der foruden profilafklaring

også var fokus på udvikling af de indsatser, der skulle føre til reintegration af de ledige på

arbejdsmarkedet. Derudover blev antallet af ledighedskategorier udvidet fra fire til seks pro-

filtyper, for at opnå en større nuance i profilkategorierne. (KORAs interview). 5 Der er fortsat 110 lokale beskæftigelsescentre, som ikke samarbejder med Bundesagentur für Arbeit

(KORAs interview). 6 Det har ikke været muligt at afgøre de nærmere omstændigheder, der ledte til udfasningen af den statisti-

ske profilafklaring.

65


4-PM-modellen består, som navnet antyder, af fire faser, hvoraf fase 1 fokuserer på profilaf-

klaringen af den ledige, dvs. diagnosticering. I fase 2 opstilles overordnede outcomemål for

den lediges reintegration på arbejdsmarkedet, mens der i fase 3 defineres, hvilke overordne-

de strategier der skal anvendes, for at målet kan opnås. I fase 4 udarbejdes den konkrete

handleplan for den ledige. Indholdet af de enkelte faser er nærmere beskrevet i afsnittet

’Sagsgang efter kategorisering’.

Konkrete variable

Profilafklaring af den ledige bygger udelukkende på sagsbehandlerens kvalitative vurderinger,

som tager udgangspunkt i en checkliste jf. punkterne opstillet nedenfor. Dermed tager profil-

afklaringen afsæt i en (systematisk) afdækning af en række spørgsmål/temaer. Denne af-

dækning består af to dele: en vurdering af den lediges styrker og en vurdering af den lediges

udviklingspotentialer/barrierer (Bundesagentur für Arbeit 2010).

Den lediges styrker vurderes i forhold til det arbejdsområde, som den ledige ønsker beskæf-

tigelse indenfor. Vurderingen af styrkerne bygger eksempelvis på den lediges erhvervserfa-

ring og uddannelse.

Herefter vurderes den lediges udviklingspotentialer. I realiteten er udviklingspotentialer ud-

tryk for områder, hvor den ledige har barrierer, som skal håndteres for at opnå en vellykket

reintegration inden for det ønskede arbejdsområde.

Der er 14 udviklingspotentialer/barrierer, som sagsbehandleren skal forholde sig til under

samtalen med den ledige. De 14 udviklingspotentialer/barrierer udgør tilsammen fire grupper

af udviklingspotentialer/barrierer (Bundesagentur für Arbeit 2010; og bilag 4):

Kvalifikationer:

• Skolemæssige kvalifikationer

• Faglige kvalifikationer

• Erhvervsmæssige kvalifikationer

• Sprogkendskab

Kapaciteter

• Intellektuelt potentiale

• Sundhedsmæssigt potentiale

• Social attitude og arbejdsadfærd

Motivation

• Initiativ/arbejdsmæssig attitude

• Villighed til læring og uddannelse

Generel situation/rammevilkår

• Personlig situation

• Geografisk mobilitet

• Boligmæssig situation

• Familiemæssig situation

• Finansiel situation

66

Hvis sagsbehandleren i forbindelse med samtalen med den ledige afdækker en eller flere

udviklingspotentialer/barrierer, skal dette ”krydses af” og beskrives i det elektroniske jour-

nalsystem VerBIS.

På bagrund af de konkrete udviklingspotentialer, der er identificeret, foretager sagsbehandle-

ren den egentlige kategorisering af den ledige. Tabel 4.5 viser, hvordan de enkelte udvik-

lingspotentialer relaterer sig til de seks profilkategorier.

Tabel 4.5 Relation mellem valg af profilkategori og den lediges udviklingspotentialer

4-PM profilkategori

Markedsprofil Aktiverings-

profil

Opkvalifice-

ringsprofil

Udviklings-

profil

Stabilise-

ringsprofil

Understøt-

tende profil

Udvik

lingspote

nti

ale

r/barr

iere

r

Kvalifika-

tioner X X

Kapaciteter

X X X

Motivation

X

Generel

situation/

rammevilkår

X X X

Simple profilkategorier Komplekse profilkategorier

Inte

gra

tions-

pro

gnose

Reintegration

inden for 6

måneder

Reintegration

inden for 6

måneder

Reintegration

inden for 12

måneder

Reintegration

vil tage mere

end 12 må-

neder

Introduktion

til beskæfti-

gelse inden

for 12 måne-

der

Introduktion

til beskæfti-

gelse vil tage

mere end 12

måneder

Note: Figuren viser, hvilke kriterier der skal være opfyldt, før den ledige kan placeres i en bestemt profilkategori.

Kilde: Bundesagentur für Arbeit.

Som det fremgår af tabel 4.5, kan den ledige kategoriseres som tilhørende markedsprofil,

hvis den pågældende umiddelbart ikke har nogle udviklingsbehov/barrierer i forhold til ar-

bejdsmarkedet, og hvis beskæftigelse forventes at være mulig inden for seks måneder.

Aktiveringsprofilen anvendes over for ledige, som primært har behov for udvikling med hen-

syn til deres motivation, og hvor beskæftigelse vurderes mulig inden for seks måneder.

En ledig kan kategoriseres som tilhørende opkvalificeringsprofil, hvis personen mangler støtte

med hensyn til enten kvalifikationer, kapaciteter eller rammevilkår og derudover vurderes at

kunne komme i beskæftigelse inden for 12 måneder.

Udviklingsprofilen anvendes over for ledige, som mangler støtte i forbindelse med kvalifikati-

oner, kapaciteter eller rammevilkår, og samtidig har minimum et yderligere område, som

kræver udvikling.

Stabiliseringsprofilen anvendes over for ledige, som behøver støtte inden for området ”kapa-

citeter” og samtidig har behov for støtte inden for mindst to yderligere områder.

Den understøttende profil anvendes over for ledige, som behøver støtte inden for området

”Rammevilkår” og samtidig har behov for støtte inden for mindst to yderligere områder.

67

Hvilken profilkategori, der vælges, er dog i sidste ende op til sagsbehandleren, og bygger på

en konkret vurdering af, hvilke udviklingspotentialer/barrierer, der er mest presserende at få

håndteret. Sagsbehandleren kan således foretage en anden kategorisering af den ledige, end

afdækningen af udviklingspotentialerne umiddelbart giver anledning til (Benchmarking 2014:

Bundesagentur für Arbeit 2010).


4-PM anvendes over for alle ledige, hvis ledighedsforløb håndteres helt eller delvist af Bun-

desagentur für Arbeit, dvs. alle de forsikrede ledige, samt den del af de ikke-forsikrede ledi-

ge, der håndteres i et samarbejde mellem Bundesagentur für Arbeit og de regionale beskæf-

tigelsesforvaltninger i de lokale jobcentre (Hoerning 2014).

Som omtalt resulterer profilafklaringen i den første fase af 4-PM i, at den ledige kategoriseres

i én af seks profilkategorier. De lediges fordeling på de seks kategorier fremgår af tabel 4.6.

Tabel 4.6 De lediges fordeling på de seks profilkategorier i 4-PM

Profilkategori Andel pct.

Simple profiltyper Markedsprofil 7

Aktiveringsprofil 3

Opkvalificeringsprofil 23

Komplekse profiltyper Udviklingsprofil 34

Stabiliseringsprofil 18

Understøttende profil 15

I alt 100

Note: N= 2.995.872. Foruden de ledige i de seks profilkategorier, er der 1.105.185 personer, som ikke er profilafkla-

ret. Det omfatter personer: 1) der endnu ikke er kategoriseret, 2) som ikke behøver kategorisering (fx personer,

hvis ledighed med stor sandsynlighed afsluttes inden for to måneder), 3) der er i beskæftigelse, men som er be-

rettiget til delvis understøttelse og 4) med manglende angivelse af kategori. Opgørelserne vedrører ledige i hele

Tyskland i december 2014.

Kilde: Bundesagentur für Arbeit.

Som det fremgår af tabel 4.6 bliver ca. en tredjedel af de ledige kategoriseret i en af de tre

simple profiltyper tættest på arbejdsmarkedet, mens de resterende to tredjedele kategorise-

res i en af de tre komplekse profiltyper. Den mindst brugte kategori er aktiveringsprofilen,

som relaterer sig til de borgere, der har behov for mindre støtte for at komme i beskæftigel-

se. Den mest anvendte profiltype er udviklingsprofilen, som er den af de komplekse profilty-

per, der umiddelbart er tættest på arbejdsmarkedet7.

De enkelte profilkategorier er ikke i sig selv bestemmende for, hvor meget støtte den ledige

kan modtage, da det i sidste ende er sagsbehandleren, der afgør, hvilke tiltag der er nødven-

dige for at få den ledige i beskæftigelse (KORAs interview). Dog vil profilkategorierne være

udtryk for områder, hvor den ledige har behov for støtte, og dermed også for, hvor meget

hjælp den ledige som udgangspunkt skal have:

• Markedsprofil: Ingen beskæftigelsesstøtte de første 3 måneder

• Aktiveringsprofil: Stor samtalehyppighed

• Opkvalificeringsprofil: I højere grad brug af beskæftigelsesrettede tilbud

7 Der er dog nogen variation i brugen af profilkategorier, når der skelnes mellem forsikrede og ikke-

forsikrede ledige (ikke vist i tabellen). Således er de forsikrede ledige overrepræsenteret i gruppen af sim-ple profiler (64 % af de forsikrede ledige vs. 20 % af de ikke-forsikrede ledige).

68

• Udviklingsprofil: Tæt kontakt til sagsbehandleren; sagsbehandleren har færre ledige i sin

opgaveportefølje, og der kan iværksættes særlige beskæftigelsesrettede tilbud

• Stabiliseringsprofil: Lav kontaktintensitet, da beskæftigelsesrettede tiltag kun i ringe grad

forventes at gavne gruppen

• Understøttende profil: Tæt kontakt til sagsbehandleren, sagsbehandleren har færre ledige

i sin opgaveportefølje og der kan iværksættes særlige beskæftigelsesrettede tilbud.

Profilkategorierne har dermed også en vis betydning for sagsbehandler/ledig-ratioen. I al-

mindelighed er sagsbehandler/ledig-ratioen 1:130 og 1:200 for henholdsvist de forsikrede

ledige og de ikke-forsikrede ledige. En undtagelse er sagsbehandler/ledig-ratioen for ledige,

der er placeret som udviklingsprofilen eller den understøttende profil. For disse ledige er

sagsbehandler/ledig-ratioen ca. 1:65 uafhængigt af, om den ledige er forsikret eller ikke for-

sikret (KORAs interview, Benchmarking 2014).


Profilafklaring af den ledige bliver som udgangspunkt foretaget i forbindelse med den første

kontaktsamtale mellem sagsbehandleren og den ledige. Samtalen finder typisk sted ca. 10

dage efter, at den ledige har registreret sig som ledig og tager mellem 30 og 45 minutter. I

særligt komplekse sager kan det være nødvendigt at vente med den endelige profilafklaring

til anden kontaktsamtale. I den forbindelse kan sagsbehandleren sende den ledige til yderli-

gere afklaring hos eksempelvis en psykolog8 (Bundesagentur für Abeit 2010, KORAs inter-

view).

Profilafklaringen foretages via det elektroniske journalsystem VerBis, hvor sagsbehandleren

skal registrere oplysningerne vedrørende den lediges styrker og udviklingspotentialer/bar-

rierer (jf. afsnittet ”Konkrete variable”).


Det er, som omtalt, sagsbehandleren, der afgør den lediges profilkategori. Sagsbehandleren

skal som udgangspunkt vælge den profilkategori, som skemaet i tabel 4.5 lægger op til, men

kan i sidste ende inddrage andre hensyn. Dermed er det ikke de enkelte udviklingspotentia-

ler/barrierer i sig selv, der afgør, hvilken profilkategori, den ledige får, men hvorvidt det er

nødvendigt at iværksætte foranstaltninger, der kan forbedre den lediges muligheder på om-

rådet (Bundesagentur für Arbeit 2010). Hvis sagsbehandleren vælger en anden profilkategori

end den, der umiddelbart fremstår som den korrekte, skal sagsbehandleren dog begrunde sit

valg. Sagsbehandleren har mulighed for løbende at omklassificere den ledige i en anden ka-

tegori (KORAs interview).

Kategoriseringen af den ledige bygger ikke på den lediges sandsynlighed for langtidsledighed

i en statistisk forstand, men derimod på sagsbehandlerens vurdering af den lediges mulighe-

der på arbejdsmarkedet foretaget på baggrund af profileringsværktøjet i 4-PM. Angivelsen af

tidsperspektiverne for de forskellige profilkategoriers reintegration på arbejdsmarkedet i tabel

4.5 er alene beskrivende, dvs. ikke statistisk begrundet.


Den ledige oplyses ikke om, hvilken profilkategori denne tildeles. Derimod er det hensigten,

at sagsbehandleren og den ledige skal drøfte de styrker og svagheder, der afdækkes under

8 I dette tilfælde kan der gøres brug af KodiaK, der er en service, der tester de lediges adfærd i et arbejds-

relateret miljø (KodiaK 1), intellektuelle evne/læringsevne (KodiaK 2), motivation (KodiaK 3) og/eller soci-ale og kommunikative evner (KodiaK 4). Ifølge vores interview anvendes KodiaK kun i begrænset omfang (Bundesagentur für Arbeit 2011).

69

samtalen, herunder hvad der skal gøres, for at den ledige kan overkomme eventuelle pro-

blemer (KORAs interview). Vores informanter har oplyst os om, at det ikke er hensigtsmæs-

sigt at informere de ledige om, hvilke profilkategori de tildeles. Der er således frygt for, at

profilkategorierne kan virke stigmatiserende og starte spekulation hos den ledige om, hvor-

vidt denne tilbydes den rette indsats.


Som omtalt er arbejdet med at få den ledige integreret på arbejdsmarkedet struktureret efter

4-PM-modellen. De fire faser gennemføres almindeligvis ved den første samtale mellem den

ledige og sagsbehandleren.

Indholdet af 4-PM-modellen er illustreret i Figur 4.2 og gennemgås i det følgende (Hoerning

2014, Koch 2014, Bundesagentur für Arbeit 2010).

Figur 4.2 De 4 faser i arbejdet med at reintegrere den ledige på arbejdsmarkedet iht. 4-PM

Kilde: Hoerning 2014; Koch 2014

Som beskrevet i det foregående foregår selve profilafklaringen af den ledige i første fase af

4-PM.

I anden fase bestemmes det overordnede beskæftigelsesmål for den ledige. Målet skal altid

være relateret til arbejdsmarkedet, men skal tage hensyn til den profilkategori, som den le-

dige har fået tildelt, herunder den lediges styrker og udviklingspotentialer/barrierer. Der er

fire prædefinerede mål:

• Job på det ordinære arbejdsmarked

• Beskyttet beskæftigelse

• Opkvalificering/uddannelse

• Stabilisering af personen i eksisterende beskæftigelse.

I fase 3 udvælges de strategier, der skal iværksættes, før den lediges beskæftigelsesmål kan

opnås. Strategierne skal afhjælpe de udviklingspotentialer/barrierer, der blev identificeret i

forbindelse med profilafklaringen i fase 1. Hvis der er identificeret mere end et udviklingspo-

tentiale/en barriere, skal disse rangordnes, således at det mest presserende problem håndte-

res først. Der er udviklet en række prædefinerede strategier, som skal håndtere de enkelte

udviklingspotentialer/barrierer. Eksempelvis er den prædefinerede strategi ”Gennemfør

sprogundervisning” udviklet til at håndtere ledige med et udviklingspotentiale/barriere inden

for området ”sprogkvalifikationer”. Sagsbehandleren og den ledige skal udvælge strategierne

i fællesskab.

I fase 4 konkretiseres de strategier, der blev udvalgt i fase 3. Sagsbehandleren og den ledige

bestemmer således, hvilke konkrete tiltag der skal iværksættes, for at strategien kan blive

implementeret. Slutteligt udarbejdes der en konkret aftale, der beskriver den lediges og

sagsbehandlerens forpligtelser i det videre forløb. Aftalen underskrives og er bindende for

den ledige. I det omfang den ledige ikke lever op til kravene i aftalen, kan denne sanktione-

res via en reduktion af understøttelsen.

Valg af strategi

Planlægning af

implementering og

opfølgning

MåldefineringProfilafklaring

70

Alle fire faser gennemgås under det første møde mellem sagsbehandleren og den ledige. Fa-

serne er ikke skarpt adskilte, og den ledige vil derfor ikke nødvendigvis opleve, at der er tale

om fire på hinanden følgende faser.

I de efterfølgende møder samles der op på implementeringen af den lediges jobplan. På mø-

derne foretages der eventuelt revideringer i relation til alle fire faser, dvs. i profiltypen, be-

skæftigelsesmålene, strategierne og/eller den lediges konkrete implementeringsplan.



I forbindelse med indfasningen af 4-PM gennemførte HR-afdelingen i Bundesagentur für Ar-

beit et opkvalificeringsskursus for alle sagsbehandlerne af ca. en uges varighed. I den forbin-

delse blev sagsbehandlerne instrueret i brugen og tankerne bag 4-PM (KORAs interview).

Ifølge interviewene har nogle sagsbehandlere dog oplevet implementeringsprocessen som

noget kaotisk og ikke helt følt sig klædt på til at benytte 4-PM i begyndelsen. Denne usikker-

hed over for systemet er dog aftaget, efterhånden som det blev taget i brug.

Alle nye sagsbehandlere gennemgår et kursus i brugen af systemet.


Der er gennemført en række interne evalueringer af 4-PM, som bl.a. har haft til formål at

afdække sagsbehandlernes holdninger til systemet. KORA er ikke i besiddelse af disse evalue-

ringer, men vores informanter beskriver, at de erfarne sagsbehandlere er mere kritiske over

for systemet end de nyansatte. De erfarne sagsbehandlere er af den opfattelse, at de har

tilstrækkelig erfaring med gruppen af ledige til at kunne foretage en korrekt profilering uden

støtte fra 4-PM (KORAs interview, Konle-Seidl 2011).

Tilsvarende mener specielt sagsbehandlere med en uddannelsesbaggrund som rådgiver, at

systemet er for statisk og ufleksibelt, idet systemet ikke i tilstrækkelig grad tillader, at sags-

behandleren kan inddrage yderligere elementer, som de mener, kan være relevante i forbin-

delse med profilafklaringen (KORAs interview; Konle-Seidl 2011).

Endelig har der været kritik over for det omfattende dokumentationskrav i forbindelse med 4-

PM. Ifølge vores interviewpersoner mener flere sagsbehandlere, at registreringskravene tager

for meget tid væk fra de ledige. De oplever derfor en konflikt mellem enten på den ene side

at notere informationer løbende under samtalen eller på den anden side at vente til efter

samtalen (KORAs interview, Konle-Seidl 2011).

Udbredelse/anvendelse i dag

4-PM blev implementeret i 2009 og har siden været i anvendelse i hele landet. Dog har 110

lokale beskæftigelsesmyndigheder valgt at håndtere de ikke-forsikrede ledige uden indblan-

ding fra Bundesagentur für Arbeit. Det vides ikke, i hvilket omfang disse 110 enheder benyt-

ter 4-PM (KORAs interview).

4-PM er udviklet af den føderate beskæftigelsesmyndighed, Bundesagentur für Arbeits ho-

vedkontor. I udviklingsarbejdet indgik enhederne for både de forsikrede og de ikke-forsikrede

ledige. Disse aktører afholder fortsat periodiske møder, med henblik på at varetage den ad-

ministrative vedligeholdelse af systemet. Dette har dog ikke ført til større ændringer af sy-

stemet.

71

Der afholdes månedlige møder, hvor input fra de lokale beskæftigelseskontorer, lovgivningen

og forskningsresultater tages i betragtning. Der er kun foretaget mindre ændringer siden

implementeringen af systemet i 2009 (KORAs interview).

4.4.4 Databaserede værktøjer

Som omtalt anvendes der ikke statistisk profilering i forbindelse med proafklaringen af de

ledige. Dette står i kontrast til en del præsentationer i artikler og tidligere review af det tyske

profileringssystem, som beskriver anvendelsen af statistisk profilering af ledige (se fx Konle-

Seidl & Schewe 2008, O’Connell et al. 2009, 2010 og 2012, Collewet et al. 2010). Vores be-

søg i Berlin, samt vores interview med centralt placerede embedsmænd i Bundesagentur für

Arbeit har dog gjort det klart, at statistisk profilering kun har været anvendt lokalt på for-

søgsbasis, men er ikke blevet taget endeligt i brug.

Der anvendes dog to redskaber, som har visse ligheder med statistisk profilering, som vi

beskriver i det følgende: BAC-tool og TrEffeR. Det er dog vigtigt at understrege, at der ikke

er tale om statistisk profilering i den forstand, at den ledige kategoriseres på baggrund af en

statistisk model, der inddrager personlige oplysninger om den ledige.

BAC-tool

Sagsbehandleren har mulighed for at anvende redskabet ”Berechnungshilfe Arbeits-

marktchancen”, (BAC-Tool), i forbindelse med vurderingen af den lediges beskæftigelses-

chancer. Værktøjet tilgås via det elektroniske journaliseringssystem, VerBIS, hvor også profi-

leringen af den ledige foregår (Bundesagentur für Arbeit 2010, KORAs interview).

Redskabet angiver, hvor gode muligheder den ledige har for at komme i beskæftigelse inden

for den profession, som den ledige ønsker. Beregningen foretages alene på baggrund af in-

formationer vedrørende den lediges ønskede beskæftigelsesområde, dennes villighed til at

flytte/køre efter arbejde, samt oplysninger vedrørende omfanget af ledige stillinger inden for

det ønskede beskæftigelsesområde.

Der anvendes med andre ord ikke personrelaterede informationer om den ledige, såsom le-

dighedshistorik, uddannelse eller andre baggrundsvariable. Beregningen er dermed udtryk

for, om der er tilgængelige jobåbninger inden for en branche, som har den lediges interesse,

og som samtidig er inden for en geografisk radius, som den ledige er villig til at bevæge sig.

Der er ikke tale om en reel sandsynlighedsberegning.

TrEffeR

TrEffeR (Treatment Effect and PRediction) er et ledelsesinformationsredskab, der anvendes

til at evaluere forskellige beskæftigelsesrettede tiltag. Redskabet gør det muligt at beregne,

om de lediges beskæftigelsesmuligheder er blevet bedre, efter de har deltaget i et givent

beskæftigelsesrettet tilbud (Bundesagentur für Arbeit 2014). Systemet gør det muligt at

sammenholde effekten af de enkelte beskæftigelsesrettede tilbud for forskellige grupper af

ledige. Dermed kan det afgøres, hvilke tilbudstyper, der virker over for hvilke ledighedsgrup-

per, og hvornår i ledighedsforløbet tilbuddet er mest hensigtsmæssigt.

TrEffeR rapporterer effekten af de enkelte beskæftigelsesrettede tiltag via en række forskell i-

ge outcomevariable. Eksempelvis kan TrEffeR beregne, om ledigheden er størst i en gruppe

af ledige, der har deltaget i et bestemt beskæftigelsesrettet tilbud sammenholdt med en til-

svarende gruppe, som ikke har deltaget i tilbuddet. TrEffeR benytter propensity score

matching for at udelukke betydningen af tredjevariable. Dermed vil eventuelle forskelle mel-

lem grupperne med stor sandsynlighed kunne tilskrives det iværksatte beskæftigelsesrettede

tilbud.

72

Det var oprindeligt meningen, at TrEffeR skulle udvikles til at være et værktøj, der kunne

målrette indsatsen over for den ledige, ved at fordele de ledige til forskellige beskæftigelses-

rettede tilbud på baggrund af en statistisk profilering. Systemet er ikke blevet udviklet så

langt.

I dag er formålet, at ledere i de lokale beskæftigelsesforvaltninger kan anvende TrEffeR til at

udvælge de beskæftigelsesrettede tiltag, som skal indgå i den lokale tilbudsvifte. Vores inter-

view har dog givet os den opfattelse, at systemet ikke anvendes i særlig stor udstrækning.


Nedenfor samles der i punktform op på de væsentligste forhold ved det tyske system, som


Den tyske profilafklaring tager udgangspunkt i den lediges styrker. Først herefter skal sags-

behandleren overveje, hvilke barrierer der skal håndteres, før beskæftigelse er en mulighed.

Dog vil valget af profilkategori i særdeleshed bygge på de barrierer, som den ledige står

overfor.

Den ledige oplyses ikke om den valgte profilkategori i forbindelse med profilafklaringen med

den begrundelse, at man ikke ønsker at stigmatisere. Derimod er den lediges styrker og ud-

viklingspotentialer/barrierer en naturlig del af samtalen mellem den ledige og sagsbehandle-

ren.

Sagsbehandlerne oplever i nogen grad den tyske 4-PM-model som ufleksibel og ressource-

krævende i deres daglige klientarbejde. Dette er en modstand, som man også må forvente

blandt sagsbehandlerne i Danmark ved indførelsen af et statistisk profileringsinstrument i

særdeleshed fra de sagsbehandlere, der har stor viden om den pågældende målgruppe og

mangeårig erfaring.

Der afholdes periodiske møder med henblik på at varetage den administrative vedligeholdelse

af systemet.

73

5 Tværgående opsamling og konklusion

I dette kapitel foretager vi en tværgående opsamling af de fire profileringsværktøjer, som vi

har beskrevet i kapitel 4. Vi vil med udgangspunkt i den politiske kontekst og formålene med

profilværktøjerne diskutere og perspektivere indhold og anvendelse, udvikling og implemen-

tering, samt de statistiske modeller bag profileringsværktøjerne. Afslutningsvis samler vi op

på de vigtigste konklusioner, der kan drages af de fire landes erfaringer i relation til udviklin-

gen af et dansk værktøj.

5.1 Politisk kontekst og formål

Politiske reformer med henblik på at effektivisere beskæftigelsesindsatsen har været drivkraf-

ten bag indførelse af profileringsværktøjerne. Dette har været særdeles markant i Australien,

Irland og Tyskland, hvor profileringen har været et led af et mere omfattende sporskifte på

beskæftigelsesområdet. Reformerne har i Irland og Tyskland betydet omorganisering af be-

skæftigelsesindsatsen til et enstrenget system, et såkaldt one-stop-shop-system, som omfat-

ter både forsikrede og ikke-forsikrede ledige. I Australien blev hele beskæftigelsesområdet

konkurrenceudsat og udliciteret allerede 1998.

Den primære intention for indførelse af profilafklaring har i alle fire lande været at forebygge

langtidsledighed. I Australien, Irland og Tyskland har ønsket om at integrere tidligere inaktive

grupper på arbejdsmarkedet også været et væsentligt motiv. Interesse for at udvikle profile-

ringsværktøjer har eksisteret i længere tid, men den økonomiske recession med stigende

arbejdsløshed har gjort, at værktøjerne er taget i anvendelse.

5.2 Indhold og anvendelse

Typer og omfang af anvendte variable

De fire landes profileringsværktøjer har forskelligt omfang af variable varierende fra relativt

få – Sverige med 12 variable – til relativt mange som Irland og Australien med henholdsvis

24 og 18 variable. En del af de oplysninger, der indgår i profileringsværktøjet, er faktuelle

oplysninger (fx demografiske oplysninger og arbejdshistorik). Det der i størst grad adskiller

landenes profileringsværktøjer fra hinanden er, hvorvidt de inddrager oplysninger af mere

subjektiv karakter. I Australien og Irland inddrages oplysninger vedrørende selvvurderet hel-

bred, mens det svenske værktøj alene bygger på oplysninger, som også findes i registre. Det

tyske profileringsværktøj adskiller sig ved, at variablene har en kvantitativ såvel som en kva-

litativ dimension. Det kommer til udtryk ved, at det ikke alene er registreringen af eksempel-

vis den lediges boligproblem, men i højere grad sagsbehandlerens kvalitative vurdering af

boligproblemets omfang, der er af betydning ved profilafklaring.

Der er forskellige holdninger blandt informanterne fra de fire lande med hensyn til, hvilken

type data et profileringsværktøj ideelt set skal bygge på. I Australien anses en kombination

mellem faktuelle og subjektive oplysninger for vigtig, og det australske værktøj har siden

1998 været baseret på en kombination af disse to typer af informationer. I Irland lyder ar-

gumentationen hos forskerne bag profileringsmetoden (arbejdsmarkedsøkonomer på ESRI,

the Economic and Social Research Institute), at der strengt taget kun vil være behov for 4-5

variable, og alene vedrørende faktuelle forhold, hvis værktøjet skal anvendes til at identifice-

re personer med høj risiko for langtidsledighed. I Sverige er bedömningsstödet et forenklet

74

værktøj set i forhold til det oprindelige udviklingsarbejde med et profileringsværktøj, og det

ses som ønskeværdigt i fremtiden at supplere værktøjet med flere variable, både faktuelle (fx

sprogkundskaber) og subjektive (fx motivation), og generelt at lægge mere vægt på den

lediges vurderinger. For tiden består det svenske værktøj alene af oplysninger, som i princip-

pet kan hentes fra registre. I Tyskland anvendes udelukkende variable af mere subjektiv ka-

rakter. Det skyldes, at man anser informationer vedrørende subjektive forhold, såsom de

lediges motivation og personlige problemer, som centrale for, at den ledige skal kunne kom-

me i beskæftigelse.

Et argument mod at inkludere subjektive variable i profileringsværktøjet er, at de er af-

hængige af, hvordan den ledige forstår spørgsmålet, og om han/hun er indstil let på at give et

oprigtigt svar, givet de implikationer et bestemt svar kan have. Det kan fx handle om sensiti-

ve emner som misbrug, familieforhold, eller helbred, som kan udgøre store barrierer for at

bestride et arbejde. På den anden side er der ikke erfaringer fra de fire lande, der taler imod

at inkludere ’bløde’, subjektive oplysninger fra den ledige. Faktisk indgår subjektive variable i

profilering i Australien, Irland og Tyskland, og Sverige er i gang med at udbygge bedöm-

ningsstödet med subjektive variable. Hertil kan tilføjes, som det også fremgår af det næste

afsnit, at også faktuelle oplysninger, uafhængigt af om de indhentes ved interview med den

ledige eller fra registre, kan indeholde fejl.

Indsamling af data vedrørende den ledige

Der er to grundlæggende fremgangsmåder med hensyn til, hvordan oplysningerne til profile-

ring indsamles i de fire lande. Australien og Irland repræsenterer en fremgangsmåde, hvor

faktuelle såvel som oplysninger af mere subjektiv karakter indsamles af administrativt perso-

nale ved registreringen som ledig. Dette kan ske ved personlig henvendelse eller telefonisk (i

Australien) eller ved, at den ledige udfylder ansøgningsskemaerne (i Irland). I Sverige og

Tyskland indsamler den sagsbehandler, som står for den efterfølgende kontakt og indsats,

oplysningerne ved den første samtale med den ledige.

Begge indsamlingsmetoder indeholder kilder til fejl, men dette har fået meget lidt opmærk-

somhed i forbindelse med diskussionen om de statistiske modellers træfsikkerhed, selv om

datakvaliteten har stor betydning for profileringsresultatet. I Australien har der været rejst

diskussion om spørgsmålsformuleringer i forbindelse med review hos udbydere og interessen-

ter, og det har ført til omformulering af nogle spørgsmål. Et andet aspekt, som har været

diskuteret, er lediges svar ved henholdsvis personligt interview og indsamling af oplysninger

via telefon, samt interviewerens eventuelle tendens til at påvirke svarene i en bestemt ret-

ning. I Australien har man gjort det muligt for de ledige at springe over spørgsmål af mere

personlig eller følelsesmæssig karakter, når profileringen foretages ved registreringen – dog

med mulighed for at supplere svarene ved første kontakt med sagsbehandleren. I Sverige

hvor det er sagsbehandleren, der indsamler oplysninger i en samtale, har en undersøgelse

vist, at sagsbehandleren i flere tilfælde undlod at spørge den ledige og i stedet selv svarede

på spørgsmålene (Assadi & Lundin 2014). I Irland foretages profilafklaringen på baggrund af

oplysninger indsamlet via registreringsskemaer, som er udviklet til andet formål end profile-

ring. Dette kan være problematisk, da nogle spørgsmål ikke er særligt velformulerede og

skalaerne ikke altid velovervejede. Sidstnævnte kan være en forklaring på, at fx selvvurderet

helbred ikke bliver en særlig relevant prædiktor i den irske model, mens helbredsrelaterede

variable synes at have større relevans i de tre øvrige profileringsværktøjer. Endelig er det i

Tyskland op til den enkelte sagsbehandler at vurdere, hvordan de prædefinerede spørgsmål

til den ledige skal tolkes, herunder i hvilket omfang det er nødvendig at komme igennem dem

alle.

75

Profileringsværktøjets fokus på ressourcer og barrierer

De statistiske profileringsmodeller bag det australske JSCI, det irske PEX og det svenske

bedömningsstöd retter ikke opmærksomheden mod ressourcer, men derimod mod problema-

tiske forhold. Baggrunden herfor er, at modellerne bag alle tre værktøjer er konstrueret med

henblik på at forudsige risikoen for langtidsledighed. Derfor er modellernes velegnethed ble-

vet vurderet i relation til at kunne identificere de vigtigste risikofaktorer for at blive langtids-

ledig. De ledige, der bliver placeret i kategorien ’mangel på høj risiko’, repræsenterer i disse

modeller de stærkeste ledige, som typisk ikke forventes at have behov for en særlig indsats.

I de profileringssystemer, hvor sagsbehandleren har adgang til hele den lediges profil (Au-

stralien og Sverige), har hun mulighed for at se, i hvilke enkeltfaktorer den ledige scorer

positivt (fx uddannelse eller arbejdserfaring). På denne måde er det muligt til en vis grad at

identificere styrker. I den tyske 4-PM-model er den lediges styrker det første aspekt, som

sagsbehandleren skal forholde sig til. Dette er dog noget modstridende i forhold til den efter-

følgende præsentation af beslutningsgrundlaget for de seks profiler, hvor barrierer eller om-

råder med udviklingsbehov er afgørende for, hvilken gruppe den ledige placeres i.

Kategorier af ledige

De ledige opdeles på baggrund af profilering i x antal kategorier – i Australien og i Sverige i

fire kategorier, i Irland i tre kategorier og i Tyskland i seks kategorier (jf. tabel 5.1 nedenfor).

Det er politisk bestemt og således aftalebaseret, hvor mange kategorier profileringsværktøjet

opdeler de ledige i, og hvordan kategorierne defineres. Der er dermed stor forskel mellem de

fire lande fx med hensyn til, hvor stor en andel der placeres henholdsvis i lavrisikokategorien

og i midterkategorierne. I Australien placeres ca. tre femtedele og i Sverige ca. halvdelen af

de ledige i den bedste kategori, mens andelen i Irland er en femtedel. I Tyskland er ca. 33 %

i en af de tre profiltyper nærmest arbejdsmarkedet (simple profiler). Omvendt er midterkate-

gorien stor i Irland (tre femtedele af alle) og relativ stor i Sverige (47 %, hvis de to midterste

kategorier ses under ét), mens den er betydeligt mindre i Australien (27 %, hvis de to mid-

terkategorier ses under ét). I Tyskland befinder 67 % af de ledige sig i en af de tre kategori-

er, der er længst væk fra arbejdsmarkedet (komplekse profiler).

Tabel 5.1 Antallet af profilkategorier i de fire lande

Land Antal

profilkategorier

Underkategorier Andel af ledige i

underkategorierne, pct.

Australien 4 streams Stream 1

Stream 2

Stream 3

Stream 4

61

18

9

12

Irland 3 bands1 High-band (PEX) people

Middelkategori

Low-band (PEX) people

20

60

20

Sverige 4 kategorier Lavest risiko (0-0.4)

Næstlavest risiko (0.4-0.6)

Næsthøjest risiko (0.6-0.8)

Højest risiko (0.8-1.0)

51

34

13

2

Tyskland 6 kategorier Markedsprofil

Aktiveringsprofil

Opkvalificeringsprofil

Udviklingsprofil

Stabiliseringsprofil

Understøttende profil

7

3

23

34

18

15

Note: 1) I Irland betyder en høj profileringsscore lav risiko for langtidsledighed.

Simple

profiler

Komplekse

profiler

76

Kategori og indsats

På ovennævnte grundlag er profilkategorierne fra de fire lande ikke sammenlignelige. De skal

ses som beskæftigelsespolitiske værktøjer i de pågældende lande. Inddeling i kategorierne

har betydning for, hvordan indsatser for bestemte typer ledige tilrettelægges. Et eksempel

herpå er Sverige, hvor bedömningsstödet oprindeligt blev taget i anvendelse som et værktøj

til at identificere de ca. 10 % ledige, som havde højest risiko for at blive ledige over seks

måneder, og som derfor skulle tilbydes en tidlig indsats. Værktøjet skulle sikre, at vurderin-

gen af risikoen sker ensartet i hele landet.

Kun i Australien anvendes profilering direkte til målretning af indsatsen og ressourcealloke-

ring. I Australien kan profileringsresultatet desuden udløse visitering til en mere uddybende

vurdering af den lediges arbejdsevne (JCA, Job Capacity Assessment, jf. afsnit 4.1.2). I Ir-

land anvendes profilafklaringen til at afgøre, hvornår det første møde mellem sagsbehandler

og ledig skal finde sted, og hvor intensiv en indsats der tilbydes, men ikke direkte til at vælge

hvilke indsatser der skal iværksættes. Intentionen er imidlertid at udvikle profileringen hen

mod en tættere kobling med indsatserne. I Sverige vælges indsatserne af sagsbehandlerne,

selv om det ifølge vores informanter i det svenske embedssystem vil være en fordel, at profi-

leringen kobles med indsatsprogrammer. I Tyskland er profilkategorierne i nogen grad koblet

sammen med typen af indsatser, der kan iværksættes. Det er dog alene op til sagsbehandle-

ren at vurdere, om og hvilken indsats der kan iværksættes.

Bortset fra Australien anvendes profilafklaringen kun i meget begrænset omfang til at afgøre,

hvilke indsatser der skal i værksættes, og til ressourceallokering. Både Irland og Sverige

giver udtryk for, at de ønsker at udvikle statistiske profilafklaringsmodeller, der i højere grad

kan bruges til målretning af indsatser.


I Australien og Irland har sagsbehandlerne ingen (Irland) eller begrænset (Australien) indfly-

delse på selve profileringsproceduren og afgørelsen af, i hvilken kategori den ledige hører til.

I de to andre systemer – Sverige og Tyskland – har sagsbehandlerne derimod stor indflydelse

på, i hvilken kategori den ledige placeres.

Sagsbehandlerne har forskellig mulighed for at bruge de informationer, som profileringsværk-

tøjet indeholder om den ledige. Sagsbehandlerne i Irland kender ikke den lediges totalscore,

og de er derfor distanceret fra anvendelsen af de informationer, som profilen indeholder om

den ledige. Sagsbehandlerne, der står for indsatserne, kan således ikke drage nytte af de

oplysninger, som allerede eksisterer om den ledige; de skal begynde fra scratch. I Australien

kender sagsbehandlerne sammensætningen af den lediges profil og har dermed mulighed for

at se, hvilke forhold der fx er problematiske. I Sverige er den lediges profil helt gennemsigtig

for sagsbehandlere, og disse har dermed i princippet mulighed for at bruge informationerne i

deres videre arbejde med den ledige. I Tyskland produceres informationer under interviewet

mellem sagsbehandleren og den ledige. Sagsbehandleren har derfor fuldt ud kendskab til ,

hvilke forhold der påvirker profilkategorien, idet den afgøres på baggrund af sagsbehandle-

rens vurdering.

Indførelse af profilafklaringen har haft betydning for sagsbehandlernes arbejde på forskellig

måde og i varierende grad. I Sverige har indflydelsen ikke været særlig markant, fordi sags-

behandlerne har haft stor frihed med hensyn til, om og hvordan de bruger bedömningsstödet

i deres kontakt med de ledige. I Tyskland har sagsbehandlerne i princippet stor autonomi,

men de er samtidig forpligtet til at bruge 4-PM-systemet (med de fire faser, hvoraf den første

er profilering), hver gang de er i kontakt med den ledige. Systemet er relativt detaljeret, men

det er op til den enkelte sagsbehandler, hvor grundigt hun gennemfører dokumentationen. I

77

Australien og i Irland kommer sagsbehandlerne først i kontakt med de ledige efter profilerin-

gen er foretaget.

Sagsbehandlernes relation til profileringsværktøjet er således forskellig henholdsvis i Austra-

lien og Irland sammenlignet med Sverige og Tyskland, selv om profilering i alle fire lande

bruges tidligt i ledighedsforløbet og over for alle nyledige. Endvidere er det forskelligt, om det

er muligt at re-kategorisere den ledige under et ledighedsforløb. Praksis i Irland er i denne

henseende forskelligt fra de tre andre lande, idet den ledige bibeholder den samme kategori

hele ledighedsperioden ud. Modsat til Irland har sagsbehandlerne/udbyderne i Australien mu-

lighed for at bruge profileringsværktøjet undervejs i ledighedsperioden og foreslå overførsel

til en anden kategori, hvis de kan dokumentere betydelige ændringer eller nye forhold i den

lediges situation. I Sverige og i Tyskland kan re-kategorisering finde sted løbende, hvilket

ifølge vores informanter anses for relevant med henblik på at følge den lediges progression

og med henblik på tilrettelæggelsen af indsatsen.

Gennemsigtighed for borgeren

Det er kendetegnende for alle fire lande, at den ledige hverken informeres om anvendelsen af

profileringsværktøjet eller om, hvilken kategori den pågældende placeres i. Profileringsværk-

tøjet bruges således ikke som et åbent dialogværktøj i samtalen. Der er bred enstemmighed

blandt vores informanter om, at viden om profileringen og egen kategori vil påvirke den ledi-

ge negativt i de tilfælde, hvor profileringen placerer den ledige i de kategorier, der ligger

længst fra arbejdsmarkedet. Det vil være demotiverende og stigmatiserende med hensyn til

bestræbelser på reintegration på arbejdsmarkedet og dermed blive en selvopfyldende profeti.

Ifølge vores interview har gennemsigtighed for borgeren ikke været et diskussionsemne, og

ingen af vores informanter fremstiller argumenter, som taler for fuld åbenhed omkring profi-

leringsresultatet. I stedet fremhæver vores informanter vigtigheden af at rette blikket mod

det positive, herunder at tilbyde den ledige relevante indsatser. Som nævnt har den lediges

profilkategori, dvs. tilhørsforhold til en bestemt risikokategori, betydning for den efterfølgen-

de kontaktintensitet med beskæftigelsessystemet og for mulige indsatsformer.

I denne sammenhæng skal det nævnes, at oplysninger om det australske profileringssystem

er offentligt tilgængelige, idet profileringsværktøjet og vægtningen af de forskellige svarkate-

gorier kan indhentes fra ministeriets webside.9 Dette er ikke tilfældet i de øvrige tre lande.

5.3 Udvikling og implementering

Aktører involveret i udviklingen af profileringsværktøjet

Udviklingen af profileringsværktøjer og den efterfølgende implementering har været top-

down-styret i alle fire lande (igangsat af relevante ministerier). Frontlinjen, som skal anvende

værktøjerne i praksis, har ikke direkte været involveret i udviklingen af værktøjerne. Praksis-

feltet har højst været præsenteret på ledelsesniveau i de nationale arbejdsgrupper i udvik-

lingsfasen som fx i Australien, Irland og Sverige. De lokale aktører i frontlinjen er blevet in-

troduceret for metoderne samtidig med, at de skulle tages i anvendelse. Som nævnt indled-

ningsvist er dette ofte sket som en del af en større reform, der har betydet store ændringer i

frontlinjens arbejde, herunder sammenlægning af parallelle systemer til et enstrenget be-

skæftigelsessystem. Endvidere er profileringen taget i anvendelse, uden at der er sket nød-

vendige ændringer fx i IT-understøttelse; dette har været tilfældet i Irland.

9 (https://employment.gov.au/components-and-results-job-seeker-classification-instrument)

78

I Irland og i Sverige er modeludviklingen blevet foretaget af forskningsinstitutioner (hhv.

ESRI, the Economic and Social Research Institute og IFAU, Insituttet för arbetsmarknads- och

utbildningspolitisk utvärdering), hvorefter det videre arbejde med udformning af det konkrete

værktøj er foregået i ministerierne. I Australien og i Tyskland har de respektive ministerier

været ansvarlige for begge faser, dog har man i Australien konsulteret forskellige analysein-

stitutter.

Sagsbehandlerens holdning til profilafklaringen

I de lande, hvor profileringsværktøjet skal understøtte sagsbehandlernes faglige vurdering af

de lediges forhold og forudsætninger for beskæftigelse (Sverige og Tyskland), bliver værktø-

jet ofte opfattet som ressourcekrævende og tungt at arbejde med. I Sverige giver sagsbe-

handlerne udtryk for, at det statistiske profileringsværktøj bedömningsstödet kun sjældent

foretager en anden kategorisering af den ledige end sagsbehandlerne. I Tyskland giver sags-

behandlerne udtryk for, at det omfattende dokumentationskrav i forbindelse med profilafkla-

ring og de efterfølgende faser i 4-PM-modellen tager uforholdsmæssigt meget tid fra samta-

lerne med de ledige.

I Australien og Irland, hvor profilafklaringen udelukkende foretages på baggrund af den stati-

stiske model, er der ikke samme type modstand fra sagsbehandlerne. En forklaring herpå kan

være, at profilafklaringen er frakoblet sagsbehandlernes arbejde, som dermed ikke oplever

det autonomitab, som sagsbehandleren særligt i Sverige kan opleve i forbindelse med intro-

duktionen af det statistiske værktøj. Dermed opstår der ikke i samme grad en konflikt mel-

lem sagsbehandlernes faglige vurdering af den ledige og profilafklaringssystemets kategorise-

ring. Endvidere nævnes det som en fordel, at sagsbehandlerne dermed kan fokusere på selve

indsatsen. Dette kan dog ses som en sandhed med modifikationer i den forstand, at hoved-

parten af de ledige ikke tilbydes særlig meget støtte (jf. tabel 5.1), og at ratioen mellem

sagsbehandler og ledig i Irland er meget høj, 1:500, på trods af, at der i forbindelse med

reformen er ansat flere medarbejdere. Her er det værd at bemærke, at antallet af ledige pr.

sagsbehandler i Australien, Irland og Tyskland er betydeligt højere end i Danmark – dette til

trods for intentioner om at intensivere indsatsen for de ledige med størst behov. Profileringen

med inddeling af ledige i forskellige kategorier har ikke ført til større specialisering i sagsbe-

handlerens arbejde i de tre lande, der anvender statistisk profilering.

Forskelle på sagsbehandlernes holdning til indførelse af profilering på den ene side i Sverige

og på den anden side i Australien og Irland kan begrundes med, at sagsbehandlerne i de tre

lande har forskellig uddannelsesmæssig baggrund, fagligt kvalifikationsniveau og autonomi.

Arbejdet i henholdsvis Australien og Irland karakteriseres ved vores interview som ’low-pay

work’, med betydeligt lavere kvalifikationskrav til jobbet end i Sverige. I Australien er de

ansatte for det meste relativt unge, og sagsbehandlernes arbejdssituation er præget af, at de

forventes at skabe resultater og bidrage med, at egen organisation opnår en god vurdering

(star rating) ved monitoreringen af udbyderne.

5.4 Den statistiske model

De statistiske modellers opbygning

I de tre lande, der anvender en statistisk model i profilafklaringen af de ledige, benyttes der

enten en logit- eller en probit-model til at beregne sandsynligheden for, at personen bliver

langtidsledig. I begge modeller opereres med et dikotomt udfald: langtidsledig henholdsvis

ikke-langtidsledig. For hver af de uafhængige variable (forklarende variable, fx alder, uddan-

nelsesniveau mv.) beregnes der en vægt, som indikerer, i hvilken grad den pågældende vari-

abel påvirker den lediges sandsynlighed for langtidsledighed.

79

Omregningen fra de statistiske modeller til de konkrete profileringsværktøjer er ikke fuldt ud

gennemsigtig i de tre lande. Mest konkret er sammenhængen beskrevet for det svenske

bedömningsstöd (jf. Dahlén 2012), hvor beskrivelsen af værktøjet indeholder konkrete ek-

sempler på klientprofiler og en beskrivelse af, hvordan de skal fortolkes. Det fremgår dog

også af de øvrige to landes værktøjer, hvor stor en betydning de enkelte variable har for

beregningen af den lediges profilscore (i form af de vægte, som regressionsanalyserne resul-

terer i). For Australien beskrives desuden, hvilke værdier (point) de enkelte svarkategorier

tildeles i beregningen af en JSCI-totalscore (jf. bilag 4). For Irland har tilsvarende oplysnin-

ger ikke været tilgængelige.

De statistiske beregninger, der ligger bag profileringsværktøjerne, er i alle tre lande foretaget

på baggrund af hele populationen af ledige over en bestemt tidsperiode (jf. O’Connell et al.

2009, Dahlén 2012, OECD 2012). Dette giver det mest pålidelige grundlag for at forudsige

risikoen for langtidsledighed for ledige med forskellige karakteristika. Irland har dog valgt at

beregne modeller særligt for mænd og kvinder, hvilket i Irland har betydet lidt forskellige

vægte for de enkelte variable. Begrundelsen herfor er store forskelle mellem de to køn med

hensyn til arbejdsdeltagelse og forudsætninger for at komme i arbejde. (I Australien udgør

alder og køn én faktor, og man har valgt at tildele forskellige vægte for alderskategorierne

for hhv. mænd og kvinder.)

I vores interview med forskerne, der havde udviklet det irske profilafklaringssystem, blev vi

gjort opmærksom på, at det vil være problematisk at udarbejde et profileringsværktøj, der

udelukkende bygger på en snævert afgrænset gruppe af ledige, fx unge eller ledige med hel-

bredsproblemer. Det skyldes, at sådanne subgrupper ofte vil være meget homogene på cen-

trale variable, med lidt variation på den afhængige såvel som de uafhængige variable. Kon-

sekvensen bliver, at det er svært at finde variable, der har en signifikant betydning for udfal-

det for den undersøgte gruppe, fx langtidsledighed. Derudover vil en sådan model have en

meget lille forklaringskraft.

Den statistiske model resulterer ikke i bestemte profilkategorier. De profilkategorier, som er

angivet i tabel 5.1, er defineret politisk-administrativt og har dermed ikke en direkte stati-

stisk begrundelse.

Modellernes træfsikkerhed

Profileringsværktøjernes træfsikkerhed i forbindelse med at forudsige risikoen for langtidsle-

dighed angives i de tre lande på forskellig måde. Derfor er oplysningerne om modellernes

træfsikkerhed ikke direkte sammenlignelige med hinanden. Det har ikke været muligt ved

vores dataindsamling at få adgang til data, som vil muliggøre sammenligningen på et ensar-

tet grundlag.

Overordnet set gælder det, at modellernes træfsikkerhed med hensyn til at forudsige risikoen

for langtidsledighed bliver desto bedre, jo højere cut-off-punktet for langtidsledighed sættes.

Ved et cut-off-punkt på 80 (dvs. hvor modellens træfsikkerhed kun vurderes for ledige, der

minimum har 80 % sandsynlighed for at blive langtidsledige) placerer modellerne i Sverige

og Irland korrekt udfald for mellem 81 og 83 % af tilfældene. Det har ikke været muligt at få

en tilsvarende oplysning om træfsikkerheden for den australske model. Træfsikkerheden fal-

der, hvis cut-off-punktet sættes ned, som illustreret i beskrivelsen af det irske profilerings-

værktøj (jf. tabel 4.2 i afsnit 4.2.4). Dermed er modellerne og profileringsværktøjerne mest

usikre for gruppen af ledige med ’middelrisiko’ for langtidsledighed. Da middelrisikogruppen

udgør størstedelen af populationen, vil modellerne være forbundet med usikkerhed over for

en betydelig del af de ledige.

80

Søjlediagrammet i Figur 5.1 (gengivet fra beskrivelsen fra den svenske profileringsmodel;

Dahlén 2012) illustrerer, hvordan profileringsværktøjets præcision er relateret til cut-off-

punkterne. Hvis der alene ses på den delpopulation, som modellen placerer mellem 0.8 og

1.0, er modellens forudsigelse meget præcis: de allerfleste bliver langtidsledige. Tilsvarende

bliver kun få ledige langtidsledige, hvis de har en lav risiko herfor ifølge modellen (jf. delpo-

pulation mellem 0.0.-0.2 sandsynlighed for at blive langtidsledig). Diagrammet illustrerer

endvidere, at modellen og dermed profileringsværktøjet er mest usikker for midtergrupperne,

hvor størstedelen af populationen befinder sig i (jf. også afsnit 4.3.4).

Figur 5.1 Det faktiske antal af hhv. korttids- og langtidsledige ved forskellige prognostiske

værdier for langtidsledighed

Kilde: Dahlén 2012.

Ikke overraskende er modellernes træfsikkerhed bedst for personer, som har de karakteristi-

ka, som er relateret til høj sandsynlighed for langtidsledighed. Man vil altså med relativt stor

sandsynlighed kunne forudsige, hvilke personer der er i højrisikogruppen for at blive langtids-

ledige. Derimod vil modellernes præcision (prædiktive værdi) være mere usikker med hensyn

til personer med moderat sandsynlighed for langtidsledighed. Ifølge vores interview med de

forskere, der har været involveret i udviklingen af modellerne, kan man ikke forvente, at

træfsikkerheden bliver meget bedre end den, som man finder i disse lande. Det skyldes, at

der altid vil være en række uforklarede forhold, som påvirker de lediges relation til arbejds-

markedet, og som det ikke er muligt at opfange.

Indholdsmæssig revision af modellerne

Af de tre lande har kun Australien foretaget mindre revisioner og genberegninger af den sta-

tistiske model, som ligger til grund for profileringsværktøjet, bl.a. baseret på en ny dataind-

samling. Den seneste dataindsamling i Australien er fra 2007. Den irske model bygger på

dataindsamlingen i 2006 og den svenske på dataindsamlingen i 2010. Hverken i Australien,

Irland eller i Sverige er der procedurer, som skal sikre, at den statistiske model opdateres

løbende med nye data. I Australien og i Irland foretager ministeriet en monitorering på bag-

grund af de data, der løbende indsamles fra de ledige. I Sverige er dette ikke muligt, idet

resultaterne af profilering ikke gemmes i en database.

Det er et udbredt ønske blandt vores informanter – især forskere og analytikere, der har væ-

ret involveret i udviklingen af værktøjerne – at der blev foretaget systematiske dataindsam-

81

linger baseret på et udtræk af populationen af ledige. Dette vil give mulighed for at rekalku-

lere modellen og eventuelt korrigere de vægte, enkelte variable bliver tildelt. Samtidig vurde-

rer de forskere, vi har været i kontakt med, at modellerne fortsat afspejler de lediges risiko

for langtidsledighed – på trods af, at der i alle de tre lande med statistisk profilering er gået

nogle år siden seneste dataindsamling. Begrundelsen herfor er, at værktøjerne anvendes til

at placere de ledige i relation til hinanden og i relativt brede kategorier. Derfor vil mindre

ændringer i den lediges risikoscore typisk ikke betyde ændring i tilhørsforhold til en bestemt

kategori. Dette har bl.a. O’Connell et al. (2012) konkluderet ved at sammenligne populatio-

nen af arbejdsløse i 2006 og 2011 og analysere, om den statistiske profileringsmodel fortsat

er effektiv.

5.5 Opmærksomhedspunkter

I det følgende præsenterer vi på baggrund af de fire landes profileringsværktøjer punkter,

som vi vurderer, er relevant at overveje i forbindelse med at udvikle et dansk profilerings-

værktøj.

Sammensætningen af variable

Erfaringerne fra Australien, Irland og Sverige viser, at der er bestemte variable i de underlig-

gende modeller, som viser sig at være særligt stærke prædiktorer for langtidsledighed. Vari-

able vedrørende faktuelle forhold viser sig at være helt centrale med hensyn til at forudsige,

at en person bliver langtidsledig. Der er forskellige holdninger og hensyn, som taler hen-

holdsvis for og imod at inkludere subjektive og holdningsmæssige variable i modellerne. Hvis

der alene fokuseres på at forudsige risiko for langtidsledighed, vil et begrænset antal faktuel-

le variable være tilstrækkeligt til at identificere ledige i højrisikokategorien. Hvis der derimod

også lægges vægt på at anvende profilering mere nuanceret i forhold til at målrette og tilret-

telægge indsatsen, vil variable om subjektive forhold give en merværdi. Subjektive spørgs-

mål virker legitimerende og udgør vigtige pejlemærker for den videre samtale med sagsbe-

handlerne i det omfang, sagsbehandlerne har adgang til de lediges detaljerede profiler.

Udgangspunktet for at udvikle statistiske profileringsmodeller og -værktøjer har i alle tre

lande været diagnostik, med fokus på de stærkeste prædiktorer for at identificere den subpo-

pulation, som bliver langtidsledige. Hvis profileringsværktøjet derimod skal sigte mod at af-

spejle den lediges muligheder for at indtræde på arbejdsmarkedet eller understøtte den

fremadrettede indsats, så er de mere subjektive variable særdeles relevante. Erfaringerne

især fra Australien og Sverige understøtter dette. Diskussionen om den mest relevante sam-

mensætning af variable kan i sidste ende relateres til en diskussion om, hvad der er formålet

med profileringen.

Indsamling af oplysninger

Grundlæggende kan informationerne, der indgår i profilafklaringen af de ledige, indsamles på

tre måder: ved at den ledige udfylder et spørge-/registreringsskema (manuelt eller online),

ved at sagsbehandleren registrerer oplysninger via et interview med den ledige (personligt

eller telefonisk), eller ved at indhente data fra registre. Ved de to førstnævnte fremgangsmå-

der skal man være opmærksom på, at visse typer spørgsmål kan resultere i manglende eller

upræcise informationer. Dette vil typisk gøre sig gældende i forbindelse med spørgsmål, som

handler om sensitive emner, men heller ikke spørgsmål af mere faktuel karakter er uden

fejlkilder. Det viser eksempelvis erfaringerne fra Sverige, hvor sagsbehandlerne i nogle ti l-

fælde undlader at stille de spørgsmål, der indgår i profileringsværktøjet. Det kan således

være både den ledige og sagsbehandlerne, der er kilde til fejl eller upræcise oplysninger.

82

Sagsbehandlerens rolle i profilafklaringen

Manglende rolleklarhed mellem sagsbehandlerne og anvendelsen af profileringsværktøjet har

indflydelse på, hvordan sagsbehandlerne tager imod og anvender værktøjet. Hvis ikke profi-

leringsværktøjet har et skarpt defineret formål, vil sagsbehandlerne i sagens natur være

usikre på, hvad redskabet skal bidrage med. Man kan derfor overveje, om redskabet skal

have en selvstændig rolle i profilafklaringsforløbet.

Ved indførelsen af et statistisk baseret profileringsværktøj er det forventeligt at opleve skep-

sis og modstand fra sagsbehandlerne – i særdeleshed fra de sagsbehandlere, der har stor

viden om den pågældende målgruppe og mangeårig erfaring. Skepsis mod et statistisk profi-

leringsværktøj er forskellig eksempelvis i Sverige og i Irland, og en væsentlig forklaring her-

på kan ifølge vores interview være relateret til forskelle i kravene til sagsbehandlernes ud-

dannelse og kvalifikationer i de to lande.

Det må forventes, at mistillid og oplevelse af kontrol og manglende respekt for faglighed ty-

pisk vil føre til, at en del sagsbehandlere ikke vil tage profileringsværktøjet i brug, medmin-

dre de bliver pålagt at gøre det. Derfor er det en forudsætning, at sagsbehandlerne kan se

mening i, hvorfor værktøjet skal anvendes, og at redskabet reelt virker understøttende i de-

res arbejde. Her er det ligeledes helt centralt, at redskabet ikke opleves som en byrde

og/eller giver anledning til dobbelt registrering, og at arbejdet understøttes af et velfunge-

rende og brugervenligt IT-system.

Sagsbehandlerens adgang til resultatet af profilafklaringen

Hvis sagsbehandlerne skal have mulighed for at anvende profileringsværktøjet aktivt i indsat-

sen over for den ledige, er det nødvendigt, at de har adgang til resultatet af profilafklaringen,

herunder den lediges score og betydningen af de enkelte variable for den lediges kategorise-

ring. Ved at give sagsbehandleren indblik i betydningen af de enkelte variable for kategorise-

ringen, får sagsbehandleren et udgangspunkt for det videre arbejde med den ledige. Det vil

eksempelvis være muligt at se, hvilke barrierer der særligt måtte være relevante at arbejde

med. Får sagsbehandleren ikke adgang til disse informationer, er der større risiko for, at

værktøjet blot bliver opfattet som en ekstra byrde.

Profilafklaringens gennemsigtighed for borgerne

Ved anvendelse af et profileringsværktøj er det væsentligt at gøre sig nøje overvejelser over,

hvordan de ledige informeres om profileringen, og hvad hensigten er med at informere de

ledige om deres profilkategori, herunder de faktorer, der har haft betydning for den tildelte

kategori. Hvis den ledige informeres om de væsentligste barrierer og/eller om den tildelte

profilkategori, kan det skabe unødig bekymring, hvis ikke dette følges op af en handleplan,

som tager hånd om de problemer, den ledige måtte have.



ringsværktøjet, og at de ikke får kendskab til, i hvilken profilkategori de placeres. Den lediges

ret til at blive informeret om, hvad de indsamlede oplysninger bruges til, er ikke et spørgs-

mål, som optager vores informanter i de fire undersøgte lande. De kommer ikke med argu-

menter som kunne tale for, at de ledige skulle informeres fuldt ud om profileringen, herunder

deres eget resultat, og at information og inddragelse vil kunne gøres på en måde, der vil

skabe større ejerskab hos borgeren.

83

Valg af antallet at profilkategorier

I valget af antallet af profilkategorier og fastsættelsen af cut-off-punkter er det væsentligt at

tage udgangspunkt i, hvilke hensyn der ønskes prioriteret. Der kan således indgå hensyn til

kapaciteten i beskæftigelsessystemet. Eksempelvis kan der være ressourcemæssige begrun-

delser for, hvor mange eller hvor stor en andel ledige der ønskes i hver profilkategori. Om-

vendt kan det være et særligt hensyn, at der opnås høj træfsikkerhed eksempelvis i forbin-

delse med profilkategorien for de mest udsatte grupper, og derfor sættes cut-off-grænsen

relativt højt. Gennemgangen af de udvalgte landes profilværktøjer har ikke givet anledning til

at identificere et optimalt antal profilkategorier, herunder den nærmere fastsættelse af cut-

off-punkterne for hver kategori. I sidste ende må antallet af kategorier og cut-off-punkterne

bero på en politisk/administrativ beslutning.

Den statistiske models træfsikkerhed

Den statistiske models træfsikkerhed afhænger af det cut-off-punkt, der vælges. Hvis man

udelukkende fokuserer på at identificere de ledige, der har 80 % eller derover sandsynlighed

for at blive langtidsledige, vil træfsikkerheden ved hjælp af et profileringsværktøj være bed-

re, end hvis man fokuserer på en bredere gruppe af ledige fx ved at sætte cut-off-punktet

lavere. Dette illustreres konkret ved analyser af det irske profileringsværktøj, hvor modellens

træfsikkerhed præsenteres ved forskellige cut-off-punkter. Således er modellerne og profile-



med usikkerhed over for en betydelig del af de ledige. For middelrisikogrupperne vil sagsbe-

handlernes faglige vurdering typisk give merværdi i relation til databaseret profilering.

En anden pointe med hensyn til den statistiske models træfsikkerhed er, at det er mere afgø-

rende for træfsikkerheden, at de relevante variable inkluderes, end præcist hvilken statistisk

model der anvendes (bl.a. O’Connell et al. 2012; KORAs interview om den svenske model).


Det er væsentligt nøje at overveje, hvordan den konkrete implementering af et statistisk

profileringsværktøj skal foregå. Hvis implementeringen gennemføres som top-down-styret, er

det sandsynligt, at sagsbehandlerne oplever værktøjet som ugennemtænkt og uvedkommen-

de eller som en pligt, der besværliggør frem for gavner arbejdet med de ledige. Det er vigtigt

at overveje, hvordan sagsbehandlerne inddrages i forbindelse med udviklingen af de konkrete

arbejdsgange. Implementeringssucces synes at være tæt relateret til, om sagsbehandlerne

kan se værktøjet som meningsfuldt. I den forbindelse nævner vores informanter vigtigheden

af, at profilering ikke alene bruges til diagnostik, men kobles og tænkes sammen med udvæl-

gelse af indsatser.

84

Litteratur

Arbetsförmedlingen: Arbetsmarknadsrapport 2013.

Assadi, A. (2014): En profilfråga: Hur använder arbetsförmedlare bedömningsstödet? Upp-

sala: IFAU, Institutet för arbetsmarknads- och utbildningspolitisk utvärdering. Rapport

2014:1.

Assadi, A. & Lundin, M. (2014): Enhetlighet och träffsäkerhet i arbetsmarknadspolitiken: Hur

använder arbetsförmedlare statistisk profilering i mötet med den arbetssökande? bedöm-

ningsstödet? Uppsala: IFAU, Institutet för arbetsmarknads- och utbildningspolitisk utvärde-

ring. Rapport 2014:14.

Australian Department of Employment (2013): Development of JSCI and a Technical

Description. ADF, Australia.

Australian Government (2012): Good Practice in Job Services Australia. Department of Edu-

cation, Employment and Workplace Relations. March 2012. 38 p.

Australian Government (2012): Job Seeker Classification Instrument – Factors and Points.

Version 1.1. Department of Education, Employment and Workplace Relations. D06-22481686.

Effective Date 1 July 2012.

Australian Government, Department of Education, Employment and Workplace Relations: All

you ever wanted to know about the JSCI and quite rightly were afraid to ask. PowerPoint-

presentation, 61. p.

Australian Government, Department of Employment: Components and results of the Job

Seeker Classification Instrument. 4 p.

Australian Government, Department of Human Services: Preliminary claim for Newstart Al-

lowance/Youth Allowance/Parenting Payment. Centrelink. 3 p.

Australian Government, Department of Human Services: Employment Separation Certificate.

Centrelink. 2 p.

Benchmarking 2014: Benchmarking on: Profiling system of job seekers, Contact center (or

call center) Interaction processes with clients. (Internt document modtaget fra Bundesagen-

tur für Arbeit).

Bimrose, J., Barnes, S.A., Brown, A., Hasluck, C. & Behle, H. (2007): Skills Diagnostics and

Screening Tools: A Literature Review. Department for Work and Pensions, Research Report

No. 459, Warwick Institute for Employment Research, University of Warwick.

Black et al (2003b). Is the Threat of Reemployment Services More Effective Than the Ser-

vices Themselves? Evidence from Random Assignment in the UI System. American Economic

Association.

Black, D.A., Smith, J.A., Plesca, M. & Shannon, S. (2003a). Profiling UI Claimants to Allocate

Reemployment Services: Evidence and Recommendations for States.

http://www.doleta.gov/reports/papers/Updated_ETA_03-03.pdf

85

Bundesagentur für Abeit (2010): The Employee-focused Integration Concept of the Bun-

desagentur für Arbeit (Books II and III Social Code) - Guiding concept for placement services

including for people with disabilities (excl. rehabilitation). (Internt arbejdsdokument).

Bundesagentur für Abeit (2011): Profiling systems for effective labour market integration.

PowerPoint-præsentation afholdt i forbindelse med Conference on Profiling Systems for Effec-

tive Labour Market Integration.

Bundesagentur für Abeit (2014) BA-Wirkungsanalyse TrEffeR - zur Bestimmung der Effektivi-

tät der arbeitsmarktpolitischen Instrumente Stand Dezember 2014 (Internt arbejdsdoku-

ment)

Collewet M., Gravesteijn, J. & de Koning, J. (2010): Screening the unemployed for reintegra-

tion: experiences from seven countries during the past 20 years. Rotterdam: SEOR: Erasmus

School of Economics. Working Paper 2010:1.

Dahlén, F.J. (2012): Ett förenklat bedömningsstöd. Stockholm: Arbetsförmedlingen, Forsk-

nings- och Utvärderingsenheten 2012-04-24. Arbetsmaterial. 18 s.

Dahlén, F.J. (2014): Precision i bedömningsstödet. Stockholm: Arbetsförmedlingen, Forsk-

nings- och Utvärderingsenheten 2014-03-20. Arbetsmaterial. 16 s. (upubliceret)

Dahlén, F.J. (udateret): Variabler i bedömningsstödet. Stockholm: Arbetsförmedlingen,

Forsknings- och Utvärderingsenheten. 3 s. (upubliceret)

Department of Employment, Workplace Relations and Small Business (1998): Job Seeker Clas-

sification Instrument (JSCI).

Department of Social and Family Affairs Ireland: Development of a Customer Profiling model

to assist in case management and activation. A case of the Department of Social and Family

Affairs.

Domenico, G.D. & Spattini, S. (Eds.) (2008): New European Approaches to Long-Term Un-

employment. What Role for Public Employment Services and what Market for Private Stake-

holders? Chapter 3: The Use of Statistical Profiling for Targeting Employment Services: The

International Experience. Chris Hasluck, p. 39-56.

Finn, D. (2011): Job Services Australia: Design and Implementation Lessons for the British

Context. UK Department of Work and Pensions Research Report No. 752. Centre for Economic

and Social Inclusion on behalf of the Department for Work and Pensions, London.

Henman, P. (2004): Targeted! Population Segmentation, Electronic Surveillance and Govern-

ing the Unemployed in Australia. International Sociology 19(2): 173-191.

Hoerning, U. (2014): Current Challenges in the Joint Delivery of Labor Market Services and

Social Assistance in Germany: Institutions, Services and Programs. Western Balkans Activa-

tion and Smart Safety Nets Conference, Vienna, 4 March, 2014.

Intreo: Application form for Jobseeker’s Allowance or Benefit. Intreo Centre/Social Welfare

Office. UP 1. Edition: June 2014.

Jobseeker’s Claim Part B. Social Welfare Services JCP B. Edition: December 2010.

86

Kelly, E., McGuinness, S. & O´Connell, P.J. (2011): Transitions to Long-Term Unemployment

Risk Among Young People: Evidence from Ireland. ESRI Working Paper No. 394, July 2011.

26 pages.

Kennedy, B. (2014): Pathways to Work – Ireland. Coordination and Integration of Institu-

tions. The World Bank: Social Protection Unit Europe and Central Asia Region. Vienna, March

4, 2014. PowerPoint-præsentation.

Koch, S. (2014): The Profiling Approach of 4-Phases Model. Bundesagentur für Arbeit. Inter-

national Seminar om Advanced Profiling Models 24. Juni 2014.

Konle-Seidl, R. (2011): Profiling systems for effective labour market integration. Use of pro-

filing for resource allocation, action planning and matching. PES to PES Dialogue Conference

2011.

Konle-Seidl, R. (2011): Use of profiling for resource allocation, action planning and matching.

Presentation at “PES to PES Dialogue Conference”, Brussels, 11-12 May 2011.

Konle-Seidl, R. & Schewe, T. (2008): The Operational Use of Evaluation Results in the Re-

structured German Public Employment Services. In: Domenico, G.D. & Spattini, S. (Eds.)

(2008): New European Approaches to Long-Term Unemployment. What Role for Public Em-

ployment Services and what Market for Private Stakeholders?

Layte, R. & O’Connell, P. (2005): Profiling the Unemployed: An Analysis of the Galway and

Waterford Live-Register Surveys. The Economic and Social Research Institute. Policy Re-

search Series, Number 55, June 2005. 88 pages.

Lipp, R. (2005): Job Seeker Profiling. The Australian Experience. Keynote at EU-Profiling

seminar. Nürnberg, 12-14th January 2005.

Loxha, A. (2014): Advanced profiling of unemployed in public employment services. A critical

review of OECD experiences and applications for Western Balkans. The World Bank: Social

Protection Unit Europe and Central Asia Region. Vienna, March 4, 2014.

Loxha, A. & Morgandi, M. (2014): Profiling the Unemployed. A Review of OECD Experiences

and Implications for Emerging Economies. World Bank Group: Social Protection & Labour.

Discussion Paper 1424.

Marston, G. & McDonald, C. (2006): The political tensions and street-level dimensions of em-

ployment services in Australia. Road to where? Politics and Practice of Welfare to Work Con-

ference. 17-18 July, Brisbane. 17 p.

Marston, G., Larsen, J.E. & McDonald, C. (2005): The Active Subjects of Welfare Reform: a

Street-Level Comparison of Employment Services in Australia and Denmark. Social Work &

Society (3)2:141-157.

Matty, S., Hart, A., Pinto, D. & Williamson, J. (2012): Developing the evidence base for pre-

dicting likelihood of long-term unemployment: the DWP Job Seekers Classification Instrument

(JSCI).

McDonald, C. & Marston, G. (2006): Room to move? Professional discretion at the frontline of

welfare-to-work. Australian Journal of Social Issues (41)2: 171-182.

87

McDonald, C., Marston, G. & Buckley, A. (2003): Risk Technology in Australia: The Role of

the Job Seeker Classification Instrument in Employment Services. Critical Social Policy

(23)4: 498-525.

McGuinness, S., Kelly, E. & Walsh, J.R. (2014): Predicting the Probability of Long-Term Un-

employment in Ireland Using Administrative Data. Dublin: ESRI Survey and Statistical Report

Series Number 51. June 2014.

Moisala, J., Suoniemi, I. & Uusitalo, R. (2006): Työttömien tilastollinen profilointi. Työminis-

teriö. Työpoliittinen tutkimus 316. [Statistical profiling of long-term unemployment. Ministry

of Labour: Studies in Labour Policy. Helsinki 2006] 84 sider.

O’Connell, P.J., McGuinness, S. & Kelly, E. (2010): A Statistical Profiling Model of Long-Term

Unemployment Risk in Ireland. ESRI Working Paper No. 345, May 2010. 32 pages.

O’Connell, P.J., McGuinness, S. & Kelly, E. (2012): The Transition from Short- to Long-Term

Unemployment: A Statistical Profiling Model for Ireland. The Economic and Social Review

2012:43(1): 135-164.

O’Connell, P.J., McGuinness, S., Kelly, E. & Walsh, J. (2009): National profiling of the unem-

ployed in Ireland. The Economic and Social Research Institute. Research Series number 10,

July 2009. 63 pages.

OECD (2012): Activating Jobseekers – How Australia Does It? 248 pages. • Executive Summary, p. 13-14. • Summary and recommendations, p. 15-34.

Chapter 3: Job brokerage and activation strategies in Australia. p. 101-146.

Pathways to Work 2013. 50 Point Plan to Tackle Long-term Unemployment. 37 s.

Pathways to Work 2015. Intreo. 39 p.

http://www.welfare.ie/en/downloads/pathways-to-work-2015.pdf

Productivity Commission (2002): Independent Review of the Job Network. Report No. 21,

AusInfo, Canberra.

Rantakaulio, M. (2011): Profiling as a tool of PES customer service. What have we learnt?

PES to PES Dialogue Conference, Brussels, May 11-12, 2011.

Riipinen, T. (2011): Risk profiling of long-term unemployment in Finland. Dialogue Conferen-

ce – Brussels. 11-12.5.2011

Rosholm, M., Staghøj, J. Svarer, M. & Hammer, B. (2006): A Danish Profiling System. Natio-

naløkonomisk Tidsskrift 2006(144): 209-229.

Rudolph, H. & Konle-Seidl, R. (2005): Profiling for Better Services. Report on the European

Profiling Seminar Nuremberg, January 12-14, 2005, Supported by EU Commission (DG Empl)

VP/2004/007. Report by Helmut Rudolph and Regina Konle-Seidl Institute for Employment

Research, Nuremberg.

Sibbmark, K. (2012): Arbetsmarknadspolitisk översikt 2011. Rapport 2012:23. Uppsala:

IFAU, Institutet för arbetsmarknads- och utbildningspolitisk utvärdering.



http://www.welfare.ie/en/downloads/pathways-to-work-2015.pdf

88

Slotsholm (2013): Deskresearch. Notat 15. maj 2013.

STAR (2014): Notat om viden og evidens for anvendelse af Profilafklaringsværktøj til be-

stemmelse af risiko for langtidsledighed.

STAR (2014): Notat ’Principper for arbejdet med profilafklaring’.

Sveriges riksdag (2012): Motion 2012/13: A389.

UWV (2011). Work Resumption Predictors - Summary of a survey of unemployed in Noord-

Holland.

Viinikainen, J. (2012): Personality and Labour Market Outcomes. Jyväskylä Studies in Busi-

ness and Economics 113. University of Jyväskylä. Academic Dissertation. Chapter 5: Profiling

the unemployed: Results from register data. P. 116-139.

89

Bilag 1 Søgeord ved systematisk litteratur-

søgning

I nedenstående tabel præsenteres de søgeord og søgestrenge, som er anvendt i forbindelse

med den indledende litteratursøgning efter profileringsværktøjer. Af tabellen fremgår desu-

den antallet af relevante publikationer, som søgningen resulterede i.

Søgeord/søgestreng Antal fund

EconLit

#1 SU.EXACT("Unemployment") AND profiling* 16 fund gennemset via abstract, heraf

10 valgt til videre gennemsyn

#2 SU.EXACT("Unemployment") AND Client segment* 1 fund, ikke relevant

#3 Job seeker profiling* 1 fund, til videre gennemsyn

Sociological Abstracts

#1 SU.EXACT("Unemployment") AND profiling* 3 fund, til videre gennemsyn

#2 SU.EXACT("Unemployment") AND Client segment* 0 fund

#3 #3 Job seeker profiling* 3 fund, ingen valgt

PsycInfo

#1(Exp "Profiles (Measurement)"/OR Profiling.all fields) AND

(Exp Employment Status/ or exp Unemployment/ or exp

Reemployment/)

68 fund gennemset, 5 valgt til videre

gennemsyn

#2 (Exp Employment Status/ or exp Unemployment/ or exp

Reemployment/) AND (Exp Psychometrics/)

63 fund, gennemset, 3 valgt

Libris (Sverige)

Profileringsverktyg* 0 fund

Profilering* och Arbet* 2 fund, begge valgt

Bedömningsstöd* 6 fund, ikke relevante

Profil* och Arbetsförmedling* 0 fund

Profil* och Arbetslösa* 1 fund, haves

BibSys (Norge)

Profilering? og Arbeid? 6 fund, ikke relevante

Profilering? og Verktøy? 0 fund

Profil? og Arbeidsledig? 2 fund, ikke relevante

Profil? og Arbeidsløs? 0 fund

Kartlegging? og Arbeidsløs? 5 fund, ikke relevante

Kartlegging? og Arbeidsløs? 4 fund, ikke relevante

90

Søgeord/søgestreng Antal fund

Evalueringsportalen.no (Norge)

Profilering* + Verktøy* 9 fund gennemset, ikke relevante

Profileringsverktøy* 0 fund

Kartleggingsverktøy* + Arbeidsledig* 5 fund, 1 valgt til gennemsyn

DanBib (Danmark)

#1 ((Profil? AND Unemploy?) OR (Profil? AND Arbejdsløs?)) 111 fund gennemset (via abstract/

indholdsoversigt), 8 dokumenter i

fuldtekst til videre gennemsyn, 1 bog

bestilt (med relevant kapitel)

#2 ((Client? AND Segment?) OR (Klient? AND Segment?))

AND (Unemploy? OR Arbejdsløs?)

0 fund

#3 ((Client? AND Segment?) OR (Klient? AND Segment? ))

AND (Activation? OR Aktivering?)

0 fund

#4 ((Job seeker? AND Profil?) OR (Jobsøgende? AND Profil?) 6 fund, ingen valgt

Kirjastot.fi (Finland)

(tilastollinen) profilointi + pitkäaikaistyötön

asiakassegmentointi

työtön + palveluprosessi

Google1

Profilering(sværktøj) el. profilering(sinstrument)+ Arbejds-

ledig/Arbejdsløs/Arbejdssøgende

Profiling + Unemployed, Client segmentation + Unem-

ployed, Job seeker instrument

Profilering(sverktyg) + Arbetsledig/Arbetslös/

Arbetssökande, Bedömningsstöd

+arbetsledig/arbetslös/arbetssökande

Profilering(sverktøy) el. Kartlegging(sverktøy) + Arbeids-

ledig/Arbeidsløs/Arbeidssøkende

Note: 1) I forbindelse med Googlesøgningen er de første 2-3 sider gennemset for hvert søgeord/søgestreng. Eventuel-

le relevante artikler og beskrivelser er sendt til videre gennemsyn.

91

Bilag 2 Bruttoliste over lande med


Tabellen nedenfor viser de 25 lande, der blev identificeret til at have profileringsværktøj. Af

tabellen fremgår desuden, i hvilke tidligere review, profileringsværktøjerne er indgået.

Bruttoliste af lande

ifølge KORAs

søgning

European

Profiling

Seminar

20051

Collewet

et al.

20102

PES to

PES:

Thematic

Synthesis

Paper

20113

World

Bank

(OECD)

Loxha

(2014)4

Slotsholm

20135

STAR

20146

KORA

oktober

20147

Australien X X X X X

”Balkan” -

Belgien X X

Canada X (X)

Danmark X X X X

Finland X X X (X)

Frankrig X X X X

Holland X X X X X X

Irland X X X

Luxembourg -

New Zealand (X)

Norge X -

Rusland -

Schweiz X X X

Slovakiet -

Slovenien X X

Storbritannien X

Sverige X X X X

Sydkorea X (X)

Tjekkiet -

Tyrkiet -

Tyskland X X X X X X

Ungarn X -

USA X X X

Østrig X X

I ALT 25 lande 12 7 6 12 8 7(11) 17

Noter: Rækker markeret med rødt angiver, at landets profileringsværktøj umiddelbart blev sorteret fra review

(jf. afsnit 2.1.2).

Kildehenvisninger til tabellen:

1 Profiling for Better Services. Report on the European Profiling Seminar Nuremberg, January 12-14, 2005, Sup-

ported by EU Commission (DG Empl) VP/2004/007. Report by Helmut Rudolph and Regina Konle-Seidl Institute

for Employment Research, Nuremberg.

2 Collewet M., Gravesteijn, J. & de Koning, J. (2010): Screening the unemployed for reintegration: experiences from

seven countries during the past 20 years. Rotterdam: SEOR: Erasmus School of Economics. Working Paper 2010:1.

92

3 PES to PES Dialogue Conference 2011: Profiling systems for effective labour market integration. Thematic Syn-

thesis Paper

http://ec.europa.eu/social/keyDocuments.jsp?pager.offset=0&langId=en&mode=advancedSubmit&advSearchKe

y=pesprofilingintegration&orderBy=docOrder

4 Loxha, A. & Morgandi, M. (2014): Profiling the Unemployed. A Review of OECD Experiences and Implications for

Emerging Economies. World Bank Group: Social Protection & Labour. Discussion Paper 1424.

5 Slotsholm (2013): Deskresearch. Notat 15. maj 2013.

6 STAR (2014): Notat om viden og evidens for anvendelse af Profileringsværktøj til bestemmelse af risiko for

langtidsledighed.

7 KORAs 1. grovsortering af lande med henblik på udvælgelse af lande til review. ”Balkan”, Luxembourg, Norge,

Rusland, Slovakiet Tjekkiet, Tyrkiet og Ungarn er ikke relevante på grund af meget sporadisk materiale / ikke-

tilgængeligt materiale (”Balkan”, Rusland, Tyrkiet og Ungarn) eller at landet ikke har udviklet en egentlig profi l-

afklaringsmodel (Norge).

http://ec.europa.eu/social/keyDocuments.jsp?pager.offset=0&langId=en&mode=advancedSubmit&advSearchKey=pesprofilingintegration&orderBy=docOrder

http://ec.europa.eu/social/keyDocuments.jsp?pager.offset=0&langId=en&mode=advancedSubmit&advSearchKey=pesprofilingintegration&orderBy=docOrder

93

Bilag 3 Screeningsskema ved review af

profileringsværktøjer i 8 lande

Tabellen nedenfor viser screeningsskemaet, der er benyttet i reviewet af profileringsværk-

tøjer i Australien, Finland, Frankrig, Holland, Irland, Sverige, Tyskland og USA (kapitel 3).

Vurderingstemaer Kategorisering Yderligere kommentar

Profileringsværktøjets

indhold

Formål med værktøjet Diagnostik (kategorisering af

borgere ift. arbejdsløshedsrisiko) ☐


(targeting/segmentation) ☐

Budgetplanlægning/policykontrol

(ressourceallokering) ☐

Udlicitering af beskæftigelses-

programmer ☐

Jobmatching ☐

Indsamling af arbejdsmarkeds-

statistik ☐

Kategorier af ledige

Målgruppe for værktøjet

Er profileringssystemet –

jf. klassificering fra Loxha &

Morgandi (2014)

Sagsbehandlerbaseret ☐

Dataassisteret (kombination af

sagsbehandler- og databaseret) ☐

Databaseret ☐

Hvornår i ledighedsforløbet

anvendes redskabet

Historik

Er værktøjet under afprøv-

ning, eller er det testet og

veldokumenteret?

94

Vurderingstemaer Kategorisering Yderligere kommentar


Hvilken statistisk model byg-

ger værktøjet på?

STARs femte princip

Sammensætning af faktuelle og

subjektive variable

STARs fjerde princip

Profilværktøjet er selvlærende og

baseret på en indbygget dyna-

misk datamining, som løbende

genkøres

Hvordan indsamles data til

den statistiske model?

Er der evidens for værktøjets

effekt og træfsikkerhed?

Hvor træfsikker er modellen?

Implementering

Drivere og barrierer i forbin-

delse med implementering

STARs første princip

Værktøjets relation til sagsbe-

handlerens faglige vurdering

STARs andet princip

Gennemsigtighed for borger og

sagsbehandler

STARs tredje princip

Fokus på den lediges ressourcer

Aktualitet og sammenlignelighed med dansk kontekst

Aktualitet

(Hvor meget litteratur har vi,

og hvornår er det fra?)

Sammenlignelighed med

danske forhold (Overførbar-

hed i relation til beskæftigel-

sessystemet og arbejds-

markedet)

95

Bilag 4 Redskaber, der anvendes til

indsamling af oplysninger i


I dette bilag beskrives de redskaber, som anvendes til at indsamle de oplysninger, der indgår

i profileringsværktøjer i Australien, Irland, Sverige og Tyskland.

Australien JSCI (Job Seeker Classification Instrument)

JSCI, Jobseeker Classification Instrument (https://docs.employment.gov.au/node/6506)

Below is a list of the 18 JSCI factors:

Age and Gender Geographic Location

Work Experience Proximity to a Labour Market

Job Seeker History Access to Transport

Educational Attainment Contactability

Vocational Qualifications Disability/Medical Conditions

English Proficiency Stability of Residence

Country of Birth Living Circumstances

Indigenous Status Criminal Convictions

Indigenous Location Personal Factors

The following provides an explanation of the JSCI factors.

Age and Gender

This factor recognises that age and gender can be an employment barrier. For example, job

seekers aged 50 years or older may find that prospective employers are reluctant to consider

them for employment because of perceptions about outdated skills and health issues. Points

are allocated for this factor on the basis of age and gender.

Generally older job seekers attract more points than younger job seekers for this factor. Data

modelling undertaken by the Department of Education, Employment and Workplace Relations

(the Department) has also shown that female teenagers experience higher relative labour

market disadvantage than male teenagers.

From 1 July 2009, the allocation of points to job seekers aged 15 to 19 years has been

changed to take into account the differences between disadvantaged and non-disadvantaged

teenagers. A disadvantaged teenager is a job seeker aged between 15 to 19 years of age

with one or more of the following characteristics:

• mainly been unemployed in the last two years

• has completed less than Year 10 at school

• is Aboriginal and/or Torres Strait Islander

• lives in temporary accommodation

• is a sole parent, or

• has a criminal conviction.

https://docs.employment.gov.au/node/6506

96

The points allocated to a job seeker for this factor are based on routine information provided

by the job seeker to the Department of Human Services (Human Services). Disadvantaged

youth status is derived from questions answered directly by a job seeker in completing the

JSCI.

Sub-factors Points - Male Points

- Female

Non-disadvantaged 15–19 years 0 5

Disadvantaged 15–19 years 4 9

20–24 years 4 7

25–29 years 4 7

30–34 years 4 7

35–39 years 5 5

40–44 years 5 5

45–49 years 6 6

50–54 years 7 8

55–59 years 10 12

60+ years 15 16

Work Experience

Inadequate work experience or lack of labour market attachment represents a disadvantage

in seeking employment. For example, prospective employers may be reluctant to employ job

seekers who lack current skills or recent and appropriate experience. This is a particular issue

for women, who are more likely to be absent from the labour market for some time to ac-

commodate family responsibilities (or for other reasons).

Inadequate work experience is also a barrier for ex-prisoners, prisoners and school leavers

who have not had an opportunity to demonstrate work habits or develop employer networks

or contacts.

This factor relates to how a job seeker spent their time, regardless of location or country, in

the last two years. The impact of long periods of absence from the workforce, a lack of em-

ployer networks or contacts and the loss of labour market attachment are captured by this

factor.

Sub-factors Points

Full-time 0

Part-time (8–30 hours per week) 0

Part-time (<8 hours per week) 2

Seasonal/irregular 2

Outside the labour force 3

Unpaid work 3

Unemployed 4

The points allocated to a job seeker for this factor are based on questions answered directly

by the job seeker as part of completing the JSCI.

97

Job Seeker History

Job Seeker History was included in the JSCI from 1 July 2009 to recognise the fact that job

seekers who experience extended time on income support and/or multiple spells on income

support are more disadvantaged in terms of finding employment. A job seeker’s time in un-

employment as well as any time spent out of the labour force are considered in this factor,

provided the job seeker has continued to receive Centrelink10 Income Support Payments dur-

ing this time.

Income support recipients previously on non-activity tested payments for a substantial

amount of time but who now have participation requirements, will receive weights or points

under this factor.

The points allocated for this factor are based on information sourced from the job seeker's

registration and benefit payment records. Income support payments made to the job seeker

for the previous 10 years are considered, as well as whether they received a Crisis Payment

for the previous six months.

The points allocated for this factor are:

Sub-factors Points

Time on income support component

Duration on income support 0–12 months 0

Duration on income support 12–23 months 6

Duration on income support 24+ months 12

Number of times on income support component

More than one time on income support 1

Crisis Payment component

Crisis Payment recipient

1

While Job Seeker History is a relatively new factor in the JSCI, unemployment duration has

either been part of the JSCI or otherwise incorporated in modelling job seekers’ labour mar-

ket disadvantage since the original JSCI in 1998.

Educational Attainment

In this factor points are based on a job seeker’s highest level of education completed in Aus-

tralia or overseas. The link between education and employment is well documented in eco-

nomic literature. Research undertaken by the Department has also shown that the lower the

level of educational attainment, the higher the job seeker’s labour market disadvantage.

The points allocated to a job seeker for this factor are based on answers provided by the job

seeker to questions as part of completing the JSCI.

Sub-factors Points

Degree/Post-graduate/Year 12/TAFE/Diploma 0

Year 10/11 1

< Year 10 2

10 References to specific services and payments will remain as ‘Centrelink’ instead of Department of Human

Services (Human Services).

98

Vocational Qualifications

Analysis by the Department indicates there is a difference in employability between job seek-

ers with vocational qualifications and those without. This factor assesses job seeker’s voca-

tional qualifications and whether those qualifications can be used in the labour market (i.e.

whether they are work related or not and whether they are still useful). It is also about quali-

fications which qualify a job seeker to work in a specific occupation.

The purpose of this factor is to take into account recognised work-related qualifications which

offer an advantage to a job seeker in obtaining employment. Work-related qualifications in-

clude:

• educational qualifications which have a vocational orientation

• trade qualifications required for particular occupations (e.g. plumbing and electrical trade

certificates), and

• non-educational qualifications required for particular occupations (e.g. special licences for

driving a bus, forklift or truck) or tickets (e.g. seaman’s ticket and other technical qualif i-

cations).

Short courses are only considered to be work related if they are formally accredited or gener-

ally recognised by employers and they constitute the basic prerequisites for entry to a partic-

ular occupation (e.g. Responsible Service of Alcohol Certificate).

This factor also acknowledges the circumstances of job seekers who may have a vocational

qualification which they can’t use (e.g. their qualification is not recognised or has been sus-

pended/terminated).



Sub-factors Points

Has useful vocational qualifications 0

No vocational qualifications 1

Vocational qualifications not useful 1

English Proficiency

This factor reflects the relative disadvantage for job seekers with low levels of English prof i-

ciency in the labour market. Research commissioned by the Australian Bureau of Statistics

(ABS) has shown a clear relationship between low levels of English literacy and numeracy and

being unemployed.

Job seekers who disclose low levels of English proficiency may be referred to the Australian

Government Language, Literacy and Numeracy Program (LLNP) or the Adult Migrant English

Program.



99

Sub-factors Points

Good English proficiency 0

Mixed English proficiency 1

Poor English proficiency 2

Country of Birth

People migrating to Australia may face many difficulties in the Australian labour market in-

cluding:

• lack of knowledge about, and attachment to, the Australian labour market

• lack of networks or contacts within the Australian labour market, and

• cultural differences between the job seeker’s country of birth and Australia.

The points allocated to a job seeker for this factor are based on both the job seeker’s country

of birth and the language they first spoke as a child. Country of birth and language first spo-

ken as a child are grouped into several categories based on the different experiences of mi-

grants from different countries in the Australian labour market.

Note that Aboriginal and Torres Strait Islander job seekers who first spoke an Aboriginal or

Torres Strait Islander language as a child are not allocated points in this factor but under the

Indigenous Status factor.

The points allocated to a job seeker for this factor are based on routine information provided

by the job seeker to Human Services or are derived from questions answered directly by a

job seeker as part of completing the JSCI.

Sub-factors Points

Country component

Australia, Oceania and others 0

North America 0

Southern Africa 0

Western Europe and Mediterranean 0

Eastern Europe and Central Asia 1

Central and Far East Asia 1

Middle East 1

South America 1

Central Africa 2

Language component

English and other languages 0

Arabic and other Middle Eastern languages 1

Scandinavian languages 1

Horn of Africa languages 2

Pushtu (Afghani) language 3

100

Indigenous Status

Aboriginal and Torres Strait Islander job seekers are particularly disadvantaged in the labour

market, often experiencing multiple barriers to employment. A number of factors in the JSCI

take account of Indigenous disadvantages (e.g. the Disadvantaged Teenager sub-factor in

the Age and Gender Factor, and the Indigenous Location Factor).

The disadvantage identified by this factor, and not accounted for in other factors, is related to a number of issues including standards of health, cultural requirements, cross-cultural norms and language first spoken as a child.

A job seeker who does not wish to answer the voluntary Indigenous Status question in the JSCI is allocated one point.

The points allocated to a job seeker for this factor are based on answers provided by the job seeker to questions as part of completing the JSCI.

Sub-factors Points

Not Indigenous 0

Declined to answer 1

Aboriginal and Torres Strait Islander 5

Aboriginal or Torres Strait Islander language first spoken as a child 1

Indigenous Location

The barriers to employment are especially significant for Aboriginal or Torres Strait Islander

job seekers living in rural and remote locations, although points under this factor are also

allocated to Aboriginal or Torres Strait Islander job seekers living in selected metropolitan

and provincial-city locations.

These barriers include:

• not being in close contact with the regular labour market

• the social dynamic of a small community where anonymity is not possible and most resi-

dents know much more about other residents. In these circumstances, individuals in small

rural and remote communities can be regarded negatively by family and group associa-

tion rather than be considered on their merits, and

• varying cultural requirements which may be more significant for those individuals living

traditional or semi-traditional lifestyles or in recognised communities than for those indi-

viduals living in urban centres.

In addition, standard labour market measures are likely to underestimate the disadvantage

potentially faced by Aboriginal or Torres Strait Islander job seekers in various parts of Aus-

tralia because of the high level of Indigenous participation in alternative employment ar-

rangements such as Community Development Employment Projects.

The points for this factor are allocated according to where the Aboriginal or Torres Strait Is-

lander job seeker lives and reflect the likelihood of them finding employment within 12

months based solely on the Employment Service Area (ESA). An ESA is defined as a geo-

graphical area, within a Labour Market Region (LMR). There are 17 LMRs in Australia, each

containing a number of ESAs.

101

The points allocated to an Aboriginal or Torres Strait Islander job seeker for this factor are

based on the home address provided by the job seeker.

Sub-factors Points

High Community Development and Employment Project

(CDEP) component

Not High Employment Service Area (ESA) 0

Far West NSW ESA 1

Goldfields/Esperance WA ESA 1

Gwydir Namoi NSW ESA 1

Macleay NSW ESA 1

Mid West and Gascoyne WA ESA 1

Mount Isa QLD ESA 1

Pilbara WA ESA 1

Port Lincoln/Ceduna SA ESA 1

Oxley NSW ESA 2

Alice Springs NT ESA 5

Top End NT ESA 7

Kimberley WA ESA 8

Katherine NT ESA 9

Tennant Creek NT ESA 10

Far North QLD ESA 12

Disadvantaged labour market component

Very low disadvantage ESA 0

Low disadvantage ESA 2

Medium disadvantage ESA 3

High disadvantage ESA 4

Very high disadvantage ESA 5

Geographic Location

This factor reflects the relative labour market disadvantage associated with living in a par-

ticular location. The condition of the local economy has a key influence on the probability of a

job seeker remaining a job seeker for at least a year.

The points for this factor are based on where the job seeker lives and reflect the likelihood of

them remaining a job seeker for at least another 12 months based solely on their ESA (i.e.

locality) of residence. Note that Aboriginal or Torres Strait Islander job seekers receive points

for this factor in addition to any points allocated under the Indigenous Location factor.

The points allocated to a job seeker for this factor are based on the home address details

provided by the job seeker.

102

Sub-factors Po-

ints

Very low disadvantage Employment Service Area (ESA) 0

Low disadvantage ESA 1

Low to moderate disadvantage ESA 2

Moderate disadvantage ESA 3

Moderate to high disadvantage ESA 4

High disadvantage ESA 5

Very high disadvantage ESA 6

Extreme disadvantage ESA 7

Proximity to a Labour Market

Proximity to a Labour Market was reintroduced in the JSCI from 1 July 2009 to recognise the

difficulties faced by geographically isolated job seekers.

The allocation of points to the job seeker for this factor is based on the postcode in the job

seeker’s home address.

Sub-factors Points

Metropolitan or inner regional 0

Outer regional, remote, very remote or migratory 2

Access to Transport

Access to Transport was reintroduced to the JSCI from 1 July 2009 to recognise the fact that

a job seeker’s chances of finding employment are directly related to their ability to access the

labour market. Access to Transport was included in the original JSCI in 1998 and continued

through to 2003.

The allocation of points is based on a job seeker’s access to adequate private or public

transport including own transport, other private transport, public transport and no transport.



Sub-factors Points

Own transport 0

Other private transport 1

Public transport 1

No transport 2

Contactability

This factor is about a job seeker’s access to a phone. Statistical analysis by the Department has

shown that a job seeker’s chances of finding employment are influenced by their ability to

make contact, and be contacted by, potential employers and employment service providers.

Job seekers are considered to be contactable by phone where they have either a home phone

in their name, or someone else’s name, at their place of residence (including a phone with a

silent or unlisted number) or a mobile telephone.

103

The points allocated to a job seeker for this factor are derived from routine information pro-

vided by the job seeker to Human Services.

Sub-factors Points

Contactable by phone 0

Not contactable by phone 2

Disability/Medical Conditions

This factor reflects the relative labour market disadvantage of job seekers who have a disa-

bility or medical condition and includes: injuries; health conditions; intellectual, mental, sen-

sory or physical disabilities; and addictions.

The points allocated to a job seeker for this factor are derived from the job seeker’s respons-

es to the JSCI questionnaire, supplemented where relevant by information contained in the

ESAt report or JCA report (for Disability Support Pension claimants). A job seeker who does

not wish to answer the voluntary Disability/Medical Condition questions in the JSCI is allocat-

ed one point for this factor.

If the job seeker undergoes an ESAt or JCA, their JSCI is automatically updated with any

permanent disability/medical conditions, their assessed work capacity and the number of

support requirements.

Sub-factors Points

Disability/Medical Condition component

No disability/medical condition 0

Has one disability/medical condition 2

Has multiple disabilities/medical conditions 3


Work Capacity component (ESAt or JCA derived)

23-29 hours per week work capacity 3

15-22 hours per week work capacity 6

<15 hours per week work capacity 7

Support Requirements component (ESAt or JCA derived)

Single support requirement 1

Two support requirements 2

Three to 15 support requirements 3

Where an ESAt or JCA has been conducted and the job seeker’s Work Capacity is assessed as

less than 30 hours per week, the Work Capacity component will override the Disabil-

ity/Medical Condition component—that is, no points will be awarded for the Disability/Medical

Condition component.

Where an ESAt or JCA has been conducted and Support Requirements are identified this Sup-

port Requirements component is applied in addition to either the Disability/Medical Condition

component or Work Capacity component.

104

Stability of Residence

The purpose of this factor is to take into account the relative disadvantage that job seekers

without stable accommodation face compared with those living in stable accommodation.

For the purposes of the JSCI:

• stable accommodation is defined as having a reasonably fixed, regular and adequate

place to stay. It includes rented or owner-occupied accommodation which may be a

house, flat or caravan.

• primary homelessness is defined as staying in a squat, sleeping out or having nowhere to

stay.

• secondary homelessness is defined as staying in a refuge; staying in emergency, transi-

tional or support accommodation; staying in a hostel, boarding house or rooming house;

staying in a hotel; short stays in a caravan park; temporarily staying with friends (or

couch-surfing); or moving more than three times in the previous 12 months.

In order to accurately capture the different labour market disadvantage experienced by job

seekers who are homeless, more points are allocated to job seekers who are primary home-less than those who are secondary homeless.

The points allocated to a job seeker for this factor are based on answers provided by the job seeker to questions as part of completing the JSCI.

Sub-factors Points

Stable accommodation 0

Secondary homeless 3

Primary homeless 5

Living Circumstances

Living circumstances can influence a job seeker’s ability to enter and remain in the labour

force. For example, labour market outcomes vary significantly depending on the nature of a

job seeker’s caring responsibilities.

ABS data shows that lone parents have a higher unemployment rate than partnered parents

and that the unemployment rate is also higher for parents who have younger children. The

Department has identifed that job seekers who are parents, lone or partnered, with younger

children are more likely to remain a job seeker for another 12 months.

Most of the labour market disadvantage experienced by parents, both lone and partnered, is

likely to be captured by other factors (e.g. Work Experience, Educational Attainment, Voca-

tional Qualifications and Proximity to a Labour Market). Within the parent job seeker popula-

tion, however, there is a level of disadvantage which is not captured by other factors. This is

attributable to different attitudes to work and the caring responsibilities experienced by par-

ents, both lone and partnered. The effect of these different attitudes is likely to be higher for

those with younger children.



105

Sub-factors Points

Lives with spouse 0

Lives with non-family members 0

Other living conditions 0

Lives alone 1

Lone parent with youngest child 6-15 years old 3

Lone parent with youngest child <6 years old 4

Partnered with youngest child 6-15 years old 1

Partnered with youngest child <6 years old 3

Criminal Convictions

(previously referred to as Ex-offender Status)

Please note that the title of this factor has been changed from Ex-offender Status to Criminal

Convictions Status to accurately represent all job seekers who have a criminal conviction

including pre-release prisoners or prisoners participating in work-release programs.

A criminal conviction can be a significant barrier to employment. Job seekers with a criminal

record may get excluded in the screening process by many employers or they may find it

difficult to compete for a job because of outdated skills or a lack of recent work experience.

Therefore job seekers who have served a custodial sentence are allocated points, as shown

below.

A job seeker who does not wish to answer the voluntary Criminal Convictions questions in the

JSCI is allocated one point.



Sub-factors Points

Not an ex-offender 0


Non-custodial sentence 1

Sentenced <=1 fortnight 3

Sentenced >1 fortnight 4

Personal Factors

The purpose of this factor is to identify any personal factors or other factors that have not

been accounted for by other JSCI factors and may require further assessment to determine

their impact on a job seeker’s ability to work, obtain work or to look for work. This further

assessment may include referral for an ESAt or referral to Human Services.

Job seekers may require further assessment if they disclose that they: have anger issues,

problems with temper or violence; have experienced or are experiencing domestic violence;

are on a drug treatment program (e.g. methadone); have experienced or are experiencing

family trauma or grief; have a gambling addiction; have experienced or are experiencing a

relationship breakdown; are at risk of homelessness; or have experienced or are experiencing

severe stress.

106

Job seekers who report 'Sleep problems/insomnia' or 'Self esteem/motivation/ presentation

issues' in their response to the JSCI questions are allocated 1 point for each sub-factor.

Where an ESAt or JCA report exists the points allocated to a job seeker for this factor are

derived from information contained in the report—job seekers who have undergone further

assessment through an ESAt or JCA may receive 3 or more points for this factor based on the

assessed impact of their personal factors. Where points are allocated based on an ESAt or

JCA report, points are not allocated for the JSCI derived component.

Sub-factors Points

JSCI derived component

No impact 0

Sleep problems/insomnia 1

Self esteem/motivation/presentation issues 1

ESAT/JCA derived component

Low impact (from JCA) 3

Medium impact (from JCA) 5

High impact (from JCA) 7

107

Irland: PEX (Probability of Exit)

Oplysningerne indsamles ved hjælp af to forskellige skemaer, ”Application form for Jobsee-

ker’s Allowance or Benefit” og ”Jobseeker’s Claim Part B”, som den jobsøgende udfylder ved

tilmelding som ledig. (Interne dokumenter modtaget i forbindelse med KORAs interview.)

Single Married Widowed In a Civil Partnership

Separated Divorced Cohabiting

VERIFIED ( Y / N )

PART 1 PERSONAL DETAILS about you and your spouse, civil partner or cohabitant

DAY MONTH YEAR

FIGURES LETTER(S) FIGURES LETTER(S)

VERIFIED ( Y / N )DAY MTH YR

DAY MTH YR

Jobseeker’s Allowance orBenefit

Application form for UP 1

1. Please state:• Personal Public Service Number (PPS.no.)same as RSI/Tax Number

• First name(s)

• Surname

• Birth surname if different

• Address (If you and your spouse, civil partner or cohabitant are not living together give both Addresses)

• How long have you lived at this address?

• Telephone/Mobile NumberIf you enter your mobile number we may text you in connection with your claim.

• Do you wish to avail of this service?

• Email address:

• Mother’s birth surname

• Distance from nearest Intreo Centre or Social Welfare Local/Branch Office

• Nationality

• Your normal occupation

• Your last occupation

• Date of Birth Attach your Birth Certificate

2. Are you?

• Date of marriage/civil partnership

If you are separated from your spouse,civil partner or cohabitant please state:

• Amount of maintenance paid by you

• Date you last paid maintenance

3. Payment Details:Give details of the Post Office at whichyou wish to receive your payment.

APPLICANT Male/Female

A. POST OFFICE detailsState NAME of POST OFFICE:

• Please answer ALL questions, except Part 2 in the case of JB claims, and place a tick ( � ) in the boxes provided.

• Please use BLOCK LETTERS.

Intreo Centre/Social Welfare Local Office

ID Known

ID File Ph

ID Pass

ID DL

ID Other

Scheme

Comm

UP 20

AdvisedaboutCredits

PO Code

Occ

€

POST OFFICE details

per week/month

Male/FemaleSPOUSE, CIVIL PARTNEROR COHABITANT

VERIFIED ( Y / N )

DAY MONTH YEAR

YES NO YES NO

FOROFFICIALUSE ONLY

4. In what country were you born?

5. What is your nationality?

6. Have you lived in the Common Travel Area all of your life?

If ‘Yes’, please complete questions 11 and 12.

If ‘No’, please complete questions 7 to 12.

7. Have you lived in the Common Travel Area for the last 2 years?

If ‘No’, please give details below about each country outside the Common Travel Area where you have lived:

8. When did you come to Ireland?

Have you lived continuously in Ireland since the day you arrived?

Country From Why you lived thereTo

DAY MTH YR

NoteThe Common Travel Area is Ireland, Great Britain, the Isle of Man and the ChannelIslands.

You can spend brief periods on short holidays, studying or travelling outside theCommon Travel Area and still be habitually resident here.

Habitual residence is a condition that you must satisfy to qualify for Jobseeker’sAllowance. See SW 108 for more information about habitual residence.

HABITUAL RESIDENCE CONDITIONPART 2

YES NO

YES NO

YES NO

Relationshipto you

When they cameto Ireland

Name

10. Have you ever made an application for Refugee Status?

If ‘Yes’, please answer questions 10(a) and 10(b) and give copies of all relevant documents from theDepartment of Justice and Equality.

(a) Are you waiting for a decision on an application for Refugee Status?

(b) Have you been granted Refugee Status or leave to remain in the State on other grounds?

11. Please state where you livedin the Common Travel Area.

12. Have you lived at the same address for the last 2 years?

If ‘No’, please give details of previous addresses:

Ireland Great Britain

Isle of ChannelMan Islands

For Official Department use only.

HRC satisfied HRC not satisfied HRC1 issued

Last address Previous address

To

From From

9. Does any of your close family,for example parent, brother, sister or child, live in Ireland?

If ‘Yes’, please give their details.

PART 2 (CONTD.) HABITUAL RESIDENCE CONDITION

DATE OF BIRTHDay Month Year

Address

To

YES NO

YES NO

YES NO

YES NO

YES NO

EMPLOYMENT DETAILS

I worked hours per day

If ‘YES’, please attach to this claim form.

DAY MTH YR

I worked days per week

DAY MTH YR

DAY MTH YR

13. Please state:

• Your last Employer’s Name

• Address of employer

• Occupation

• Dates of Employment

FROM

TO

• Work pattern

14. Why did your employment end?

15. Did you get a P45?

16. a)Did you get a redundancy payment?

If ‘YES’, please state:•Amount

•Date received

b) Did you get redundancy form RP50?

17. a)Have you had other employment in Ireland in the last 2 years?

If ‘YES’, please state:•Name of employer

•Address of employer

b) Have you had other employment in another EU country in the last 2 years?

If ‘YES’, please state:•EU country

•Social Security No./European Number

18. Is anyone claiming for YOU as a qualified adult on their SocialWelfare payment?

If ‘YES’, please state:

• Type of payment

• Their name

• Weekly amount

• Their PPS number

If ‘YES’, please attach to this claim form.

€

€

PART 3

YES NO

YES NO

YES NO

YES NO

YES NO

YES NO

Hours per day

Days per week

YES NO

€ per week/month

€ per week

PART 4 DETAILS OF AVAILABILITY/WORK EFFORTS

YES NO

YES NO

YES NO

19. Please state:• Type of work you are looking

for?• Are you available for full-time

work?• Are you looking for full-time

work?

• Number of hours work you would accept?

• Would you accept any other typeof work?

If ‘YES’, give details:

• Where have you tried to get work? Please attach any documentary evidence.

20. Are you at present:

a) Self-Employed, including farming?

b) Working Part-time?

c) On a Community Employment Scheme?

d) On a Solas or Local Employment Services course?

If ‘YES’, to a, b, c, or d please state:• Employer’s Name

• Type of work you do

• Hours of work

• Amount of income/earnings

21. Are you currently registered with any school, college or university?If ‘YES’, state:• Name of college

• Course name

• Hours of attendance

• When will course end?• What type of student are you registered as?

Do you intend to resume college education in the coming academic year?

If ‘YES’, please state:• Type of payment

• Claim number

• Amount

• Source of payment

• Country of payment

23. Do you wish to claim for a spouse, civil partner or cohabitant?

YES NO

YES NO

YES NO

YES NO

YES NO

YES NO

YES NO N/A

22. Are you getting or have you recently applied for any social welfare (including FIS)/social security payments from this Department or from any other EU member state or from any other agency?

DAY MTH YR

If ‘YES’, please give details of their hours/days worked each week

b) Their gross weekly incomec) Does he/she hold any (including joint) bank accounts, investments, property or capital?

If ‘YES’ please provide details

Any other income?

25. Is your spouse, civil partner or cohabitant on a:a) Solas or Local Employment Service Training Course?

b) Community Employment Scheme?

c) Back to Work Scheme?

d) Back to Education Allowance?

e) Education and Training Board course?

f) Other, please specify If ‘YES’, to any of the above, please state:• Type of course/scheme

• Start date

• Amount of payment

26. Is your spouse, civil partner or cohabitant ‘signing’ for or claiming:a) Jobseeker’s Benefit?

b) Jobseeker’s Allowance?

c) ‘Credits’?

d) Any other Social Welfare/ Health Service Executive payment? (apart from Child Benefit)

If ‘YES’, please state:• Type of payment(s)

• PPS number


• Country of payment

• Type of payment

• Amount of payment

• Address of issuing office

• Social security number


• Source of income

• Weekly amount

€ per week

€ per week

€ per week

Spouse, Civil Partner or Cohabitant’s Income/Social Welfare Details

Hours a day

YES NO

YES NO

YES NO

YES NO

YES NO

FIGURES LETTER(S)

PART 5

Days per week

YES NO

€ per week

€ per week

YES NO

YES NO

YES NO

YES NO

YES NO

YES NO

YES NO

24. a)Is your spouse, civil partner or cohabitant in employment or self-employment including farming?

27.Is your spouse, civil partner or cohabitant getting any social security payment from the UK or any other EU country?

28.Is your spouse, civil partner or cohabitant getting any other income?

29a.Do you wish to claim for any child dependants?If ‘YES’, please complete questions 29b to 32.If ‘NO’, please proceed to question 33

29b.Children under age 18:

30. Children over age 18 and in full-time education ( JA/JB claims over 156 days):

A written statement from the school or college should be attached for any child aged between 18 and 22 in full-time education.

31. In the case of child(ren) listed at 29b) and 30) above who are not living with you please state with whom the child(ren) live:

• Amount of maintenance paid byyou or your spouse, civil partneror cohabitant (if any):

32. Are any of the children getting a payment in their own right, or is a payment being made to another person on their behalf?

33. If you did not claim as soon as you became unemployed a) Do you wish to have your claim back-dated?

b) If ‘YES’, please state the reason for delay here:

PART 6 QUALIFIED CHILD(REN) DETAILS

Child’sFirst Name

Child’sSurname

DATE OF BIRTHDay Month Year

Relationshipto you

Does thechild livewith you?

LIST CHILDREN HERE, SHOWING ELDEST CHILD FIRST:

LIST ADDITIONAL CHILDREN ON A SEPARATE SHEET OF PAPER.

Child’sFirst Name

Child’sSurname

DATE OF BIRTH

Day Month Year

Relationshipto you

Does thechild livewith you?

€

PART 7

per week/month

LATE CLAIMS

You cannot get paid for a child who is getting a Social Welfare payment in their own right or if aGuardian’s payment is being paid for them

YES NO

YES NO

YES NO

Warning: If you make a false statement or withhold information, you may be prosecutedleading to a fine, a prison term or both.

Please bring this completed application form to your local Intreo Centre, Social Welfare or BranchOffice when you attend to make your claim.

OPTIONAL JOBSEEKER’S ALLOWANCEPART 8

34.Do you wish to apply for optional Jobseeker’s Allowance if you do not qualify for the full rate of Jobseeker’s Benefit?

DECLARATIONPART 9

The Department of Social Protection will shortly be issuing SMS text messages as ameans of contacting you regarding your claim. We will need your mobile phonenumber to allow us to do this. Please see Part 1 for details and ensure you give us

your mobile phone number and indicate if you wish to avail of this service.

K 06-14 Edition: June 2014

Data Protection Statement

The Department of Social Protection will treat all information and personal data you give us asconfidential. However, it should be noted that information may be exchanged with other

Government Departments / Agencies in accordance with the law.Explanations and terms used in this form are intended as a guide only and are not a legal interpretation.

YES NO

(NOT block letters)

I declare that the information given by me on this form is truthful and complete. I understand that if any of theinformation I provide is untrue or misleading or if I fail to disclose any relevant information, that I will berequired to repay any payment I receive from the Department and that I may be prosecuted. I undertake toimmediately advise the Department of any change in my circumstances which may affect my continuedentitlement.

If you are not able to sign, your mark should be made and witnessed. The witness should sign below.

I hereby claim Jobseekers Benefit/Allowance. I declare that,a) I am unemployed and unable to get suitable full-time workb) I am capable of, available for and genuinely seeking workc) I have not claimed nor am I getting any other benefit, pension or allowance from any source

apart from those shown in this formd) I will notify the Department if I get work.

YOUR SIGNATURE DATE

WITNESS SIGNATURE DATE

ADDRESS OF WITNESS

NAME OFWITNESS

No education beyond primary/national school or left school at orbefore age 15

Junior/Intermediate or Group Certificate (or equivalent) or leftschool at 16 or 17

Leaving Certificate/Matriculation (or equivalent) or left educationat 18 or 19

Third Level Award (Certificate, Diploma or Degree) or lefteducation at 20 or older

PPS No.:

Surname:

Forename:

1. Have you made an unemployment claim in the last five years?

Yes No

1a.Were you signing on for twelve months or more?Yes No

If ‘Yes’, please complete question 1(a)

If ‘No’, please go to question 2

2. Have you been on a Community Employment Scheme in the last five years?Yes No

2a.Were you on this Scheme for twelve months or more?Yes No

If ‘Yes’, please complete question 2(a)

If ‘No’, please go to question 3

3. Which of the following categories best describes the highest level of education you havecompleted?

JCP B

Jobseeker’s Claim Part B

Date of birth: D D M M Y Y Y Y

Yes No

4. Have you ever completed an apprenticeship training programme (i.e. qualified or got yourpapers)?

5. What is the size of the location where you live? Is it:A rural area

A village (up to 2,000 inhabitants)

A town (2,000 - 10,000 inhabitants)

Large town or city (more than 10,000 inhabitants)

Social Welfare Services

Data ClassificationConfidential

6a.If you are still in employment how long are you in your current job?Less than 1 month 1 – 6 months 6 – 12 months

1 – 2 years 2 years or more

6b.If you are no longer in employment, how long did your last job last?Less than 1 month 1 – 6 months 6 – 12 months

1 – 2 years 2 years or more

7. If you are still in employment, what are your gross weekly earnings?

Gross income: a week€ .If you are no longer in employment, approximately what were your gross weekly earnings inyour last job?Gross income: a week€ .

8. Do you have the use of a car, van or motorcycle?Yes No

9. Do you live within usable distance of public transport?Yes No

10.Have you ever thought about moving location to take up a job?Yes No

11.Have you any difficulty with reading or writing or numbers?Yes No

12.In general, how would you describe your health? Would you say it is:Very Good Good Fair

Bad Very Bad

13.How well do you speak English?Very Well Well

Not Well Not at all

14.In which country were you born?

6. When were you last in paid employment or self-employed?Still in employment (go to 6a) In the last month (go to 6b)

In the last year (go to 6b) In the last 5 years (go to 6b)

Over five years ago (go to 6b) Never (go to 8)

00K 12-10 Edition: December 2010

Data Protection and Freedom of Information

We, the Department of Social Protection, will treat all information and personal data you giveas confidential. We will only disclose it to other people or bodies according to the law.

Explanations and terms used in this form are intended as a guide only and are not a legal interpretation.

118

Sverige: Bedömningsstöd

(Dahlén 2012: Et förenklat bedömningsstöd. Arbetsförmedlingen, Analyseavdelingen, Forsk-

nings- och utvärderingsenheten, Stockholm. Internt arbejdspapir)

Variabler i bedömningsstödet

Ålder 16-19 år 20-24 år 25-34 år 35-49 år

50-59 år 60-64 år

Funktionsnedsättning Saknar funktionshinderkod Har funktionshinderkod

Födelseland Född utom Europa Född i Europa utom Norden Född i Norden utom Sverige Född i Sverige

Högsta utbildning Grundskola högsta utbildning Gymnasium högsta utbildning Högskola/Universitet högsta utbildning Påanmäld arbetslöshetskassa Saknar a-kassanotering

Har a-kassanotering Tidigare arbetslöshetstid 0 dagar 1-90 dagar 90-180 dagar

180-365 dagar 365-1095 dagar Senast arbetslös Aldrig 1990-1999 2000-2004

2005-2008 2009 2010

Inskrivningsmånad Januari Februari

Mars April Maj Juni Juli Augusti

September

119

Oktober

November December Arbetslöshet i kommunen 0-2%

2-4% 4-6% 6-8% 8-10% 10-12% 12-14%

14-20% Sökt yrke Yrke saknas SSYK 1: Ledningsarbete SSYK 2: Arbete som kräver teoretisk specialistkompetens

SSYK 3: Arbete som kräver kortare högskoleutbildning

SSYK 4: Kontors- och kundservicearbete SSYK 5: Service-, omsorgs- och försäljningsarbete SSYK 6: Arbete inom jordbruk, trädgård, skogsbruk och fiske SSYK 7: Hantverksarbete inom byggverksamhet och tillverkning SSYK 8: Process- och maskinoperatörsarbete, transportarbete m.m. SSYK 9: Arbete utan krav på särskild yrkesutbildning SSYK 0: Militärt arbete

Erfarenhet i sökt yrke Saknar erfarenhet i sökt yrke Har erfarenhet i sökt yrke Utbildning i sökt yrke

Saknar utbildning i sökt yrke Har utbildning i sökt yrke

120

Tyskland: 4-PM-model

Oplysningerne til brug i profilafklaringen af den ledige indsamles af sagsbehandleren og ind-

tastes i det elektroniske journalsystem, VerBIS. Sagsbehandleren har mulighed for at ind-

samle oplysningerne via et papirskema, inden de indtastes i VerBIS i det omfang, sagsbe-

handlerne synes, det er mest hensigtsmæssigt. Papirudgaven fremgår nedenfor. Det er dog

de samme temaer/spørgsmål, der skal belyses, uanset om sagsbehandleren anvender papir-

udgaven eller VerBIS.

122

Bilag 5 Dokumentation af profileringsværk-

tøjer i Australien, Irland, Sverige og

Tyskland

Nedenfor angives 1) de vigtigste kilder, der er anvendt til at beskrive profileringsværktøjerne

i kapitel 4 og 2) en liste over de centrale internationale review af profileringsværktøjer, hvori

flere af de fire lande indgår. Endelig findes 3) en liste over de forkortelser, som er anvendt i

forbindelse med beskrivelse af de fire profileringsværktøjer i kapitel 4.

1. Vigtigste kilder til de fire landes værktøjer

Australien

Australian Government, Department of Employment (2013): Development of JSCI and a

Technical Description. ADF, Australia.

Australian Government (2012): Good Practice in Job Services Australia. Department of Edu-

cation, Employment and Workplace Relations. March 2012. 38 p.

Australian Government (2012): Job Seeker Classification Instrument – Factors and Points.

Version 1.1. Department of Education, Employment and Workplace Relations. D06-22481686.

Effective Date 1 July 2012.

Australian Government, Department of Education, Employment and Workplace Relations: All

you ever wanted to know about the JSCI and quite rightly were afraid to ask. PowerPoint-

presentation, 61. p.

Australian Government, Department of Education, Employment and Workplace Relations

(2009): Review of the Job Seeker Classification Instrument. June 2009.

Australian Government, Department of Employment: Components and results of the Job

Seeker Classification Instrument. 4 p.

Australian Government, Department of Human Services: Preliminary claim for Newstart Al-

lowance/Youth Allowance/Parenting Payment. Centrelink. 3 p.

Australian Government, Department of Human Services: Employment Separation Certificate.

Centrelink. 2 p.

Department of Employment, Workplace Relations and Small Business (1998): Job Seeker Clas-

sification Instrument (JSCI).

Finn, D. (2011): Job Services Australia: Design and Implementation Lessons for the British

Context. UK Department of Work and Pensions Research Report No. 752. Centre for Economic

and Social Inclusion on behalf of the Department for Work and Pensions, London.

Lipp, R. (2005): Job Seeker Profiling. The Australian Experience. Keynote at EU-Profiling

seminar. Nürnberg, 12-14th January 2005.

123

(http://doku.iab.de/veranstaltungen/2005/profiling2005_Lipp_Australia.pdf - set

20.1.2015)

Marston, G. & McDonald, C. (Eds.) (2006): Analysing Social Policy. A Governmental Ap-

proach. Cheltenham, UK: Edward Elgar.

OECD (2012): Activating Jobseekers – How Australia Does It? 248 pages.

Executive Summary, p. 13-14.

Summary and recommendations, p. 15-34.

Chapter 3: Job brokerage and activation strategies in Australia. p. 101-146.

Productivity Commission (2002): Independent Review of the Job Network. Report No. 21,

AusInfo, Canberra.

Videnskabelige artikler

Henman, P. (2004): Targeted! Population Segmentation, Electronic Surveillance and Govern-

ing the Unemployed in Australia. International Sociology 19(2): 173-191.

Marston, G., Larsen, J.E. & McDonald, C. (2005): The Active Subjects of Welfare Reform: a

Street-Level Comparison of Employment Services in Australia and Denmark. Social Work &

Society (3)2:141-157.

Marston, G & McDonald, C. (2006): The political tensions and street-level dimensions of em-

ployment services in Australia. Road to where? Politics and Practice of Welfare to Work Con-

ference. 17-18 July, Brisbane. 17 p.

McDonald, C. & Marston, G. (2006): Room to move? Professional discretion at the frontline of

welfare-to-work. Australian Journal of Social Issues (41)2: 171-182.

McDonald, C., Marston, G. & Buckley, A. (2003): Risk Technology in Australia: The Role of

the Job Seeker Classification Instrument in Employment Services. Critical Social Policy

(23)4: 498-525.

Irland

Department of Social and Family Affairs Ireland: Development of a Customer Profiling model

to assist in case management and activation. A case of the Department of Social and Family

Affairs.

Intreo: Application form for Jobseeker’s Allowance or Benefit. Intreo Centre/Social Welfare

Office. UP 1. Edition: June 2014.

Jobseeker’s Claim Part B. Social Welfare Services JCP B. Edition: December 2010.

Kelly, E., McGuinness, S. & O´Connell, P.J. (2011): Transitions to Long-Term Unemployment

Risk Among Young People: Evidence from Ireland. ESRI Working Paper No. 394, July 2011.

26 pages.

Kennedy, B. (2014): Pathways to Work – Ireland. Coordination and Integration of Institu-

tions. The World Bank: Social Protection Unit Europe and Central Asia Region. Vienna, March

4, 2014. PowerPoint-præsentation.

http://doku.iab.de/veranstaltungen/2005/profiling2005_Lipp_Australia.pdf

124

Layte, R. & O’Connell, P. (2005): Profiling the Unemployed: An Analysis of the Galway and

Waterford Live-Register Surveys. The Economic and Social Research Institute. Policy Re-

search Series, Number 55, June 2005. 88 pages.

McGuinness, S., Kelly, E. & Walsh, J.R. (2014): Predicting the Probability of Long-Term Un-

employment in Ireland Using Administrative Data. Dublin: ESRI Survey and Statistical Report

Series Number 51. June 2014.

O’Connell, P.J., McGuinness, S. & Kelly, E. (2010): A Statistical Profiling Model of Long-Term

Unemployment Risk in Ireland. ESRI Working Paper No. 345, May 2010. 32 pages.

O’Connell, P.J., McGuinness, S. & Kelly, E. (2012): The Transition from Short- to Long-Term

Unemployment: A Statistical Profiling Model for Ireland. The Economic and Social Review

2012:43(1): 135-164.



July 2009. 63 pages.

Pathways to Work 2013. 50 Point Plan to Tackle Long-term Unemployment. 37 s.

Pathways to Work 2015. Intreo. 39 p. http://www.welfare.ie/en/downloads/pathways-to-

work-2015.pdf

Sverige

Arbetsförmedlingen: Arbetsmarknadsrapport 2013.

Assadi, A. (2014): En profilfråga: Hur använder arbetsförmedlare bedömningsstödet? Upp-

sala: IFAU, Institutet för arbetsmarknads- och utbildningspolitisk utvärdering. Rapport

2014:1.

Assadi, A. & Lundin, M. (2014): Enhetlighet och träffsäkerhet i arbetsmarknadspolitiken: Hur

använder arbetsförmedlare statistisk profilering i mötet med den arbetssökande? bedöm-

ningsstödet? Uppsala: IFAU, Institutet för arbetsmarknads- och utbildningspolitisk utvärde-

ring. Rapport 2014:14.

Dahlén, F.J. (2012): Ett förenklat bedömningsstöd. Stockholm: Arbetsförmedlingen, Forsk-

nings- och Utvärderingsenheten 2012-04-24. Arbetsmaterial. 18 s.

Dahlén, F.J. (2014): Precision i bedömningsstödet. Stockholm: Arbetsförmedlingen, Forsk-

nings- och Utvärderingsenheten 2014-03-20. Arbetsmaterial. 16 s. (upubliceret)

Dahlén, F.J. (udateret): Variabler i bedömningsstödet. Stockholm: Arbetsförmedlingen,

Forsknings- och Utvärderingsenheten. 3 s. (upubliceret)





Sveriges riksdag (2012): Motion 2012/13: A389.

125

Tyskland

Benchmarking 2014: “Benchmarking on: Profiling system of job seekers, Contact center (or

call center) Interaction processes with clients”. (Internt document modtaget fra Bundesagen-

tur für Arbeit).

Bimrose, J., Barnes, S.A., Brown, A, Hasluck, C. & Behle H. (2007): Skills Diagnostics and

Screening Tools: A Literature Review. Department for Work and Pensions, Research Report

No. 459, Warwick Institute for Employment Research, University of Warwick.

Bundesagentur für Abeit (2010): The Employee-focused Integration Concept of the Bun-

desagentur für Arbeit (Books II and III Social Code) - Guiding concept for placement services

including for people with disabilities (excl. rehabilitation). (Internt arbejdsdokument).

Bundesagentur für Abeit (2011): Profiling systems for effective labour market integration.

PowerPoint-præsentation afholdt i forbindelse med Conference on Profiling Systems for Effec-

tive Labour Market Integration.

Bundesagentur für Abeit (2014): BA-Wirkungsanalyse TrEffeR - zur Bestimmung der Effekti-

vität der arbeitsmarktpolitischen Instrumente Stand Dezember 2014 (Internt arbejdsdoku-

ment).




Hoerning, U. (2014): Current Challenges in the Joint Delivery of Labor Market Services and

Social Assistance in Germany: Institutions, Services and Programs. Western Balkans Activa-

tion and Smart Safety Nets Conference, Vienna, 4 March, 2014.

Koch, S. (2014): The Profiling Approach of 4-Phases Model. Bundesagentur für Arbeit. Inter-

national Seminar om Advanced Profiling Models 24. Juni 2014.

Konle-Seidl, R. (2011): Use of profiling for resource allocation, action planning and matching.

Presentation at “PES to PES Dialogue Conference”, Brussels, 11-12 May 2011.

Konle-Seidl, R. & Schewe, T. (2008): The Operational Use of Evaluation Results in the Re-

structured German Public Employment Services. In: Domenico, G.D. & Spattini, S. (Eds.)

(2008): New European Approaches to Long-Term Unemployment. What Role for Public Em-

ployment Services and what Market for Private Stakeholders?



July 2009.

126

2. Internationale review, hvori et eller flere af de fire lande i

praksisanalysen indgår




Domenico, G.D. & Spattini, S. (Eds.) (2008): New European Approaches to Long-Term Un-

employment. What Role for Public Employment Services and what Market for Private Stake-

holders?

Chapter 3: The Use of Statistical Profiling for Targeting Employment Services: The Inter-

national Experience. Chris Hasluck, p. 39-56.

Konle-Seidl, R. (2011): Profiling systems for effective labour market integration. Use of pro-

filing for resource allocation, action planning and matching. PES to PES Dialogue Conference

2011. (oplæg 21 s. + ppt-præsentation – 15.10.14 fra STAR)

Loxha, A. (2014): Advanced profiling of unemployed in public employment services. A critical

review of OECD experiences and applications for Western Balkans. The World Bank: Social

Protection Unit Europe and Central Asia Region. Vienna, March 4, 2014.

Loxha, A. & Morgandi, M. (2014): Profiling the Unemployed. A Review of OECD Experiences

and Implications for Emerging Economies. World Bank Group: Social Protection & Labour.

Discussion Paper 1424.



July 2009.

Chapter 2: Statistical Profiling in Practice: International Experiences, p. 5-16.

3. Forkortelser anvendt i kapitel 4

Australien

Centrelink – the point of registration for benefits of the Australian Government’s Department

of Human Services

DES - Disability Employment Services

DEEWR – Department of Education, Employment and Workplace Relations

DHS – Department of Human Services

DSP – Disability Support Pension

EPP – Employment Pathway Plan

ESAt – Employment Services Assessment (siden 2009)

JCA = Job Capacity Assessment (introduceret I 2006)

JSCI _ Job Seeker Classification Instrument

127

JSA = Job Services Australia (indtil 2009 Job Network) - JSA (Job Services Australia) topor-

ganisationen for beskæftigelsesindsatsen i Australien (udbydere er store, middelstore og små

for-profit og not-for-profit organisationer)

LLTBR - likelihood of long-term benefit recipient

WEPh – Work Experience Phase

Irland

CSS – Client Services System

CWS – Community Welfare Service

DSP – Department of Social Protection

ESRI – The Economic and Social Research Institute

FAS – The National Employment and Training Agency (Det irske “PES”)

INTREO – one-stop-shop-offices, resultat af integration af CWS og FAS

Live Register

LMD – Labour Market Disdadvantage

NEAP – National Employment Action Plan (2004)

PEX – Probability of Exit

Pathways to Work –program 2012-2015

Tyskland

4-PM - 4-fasemodellen for lediges reintegration på arbejdsmarkedet

BA – Bundesagentur für Arbeit

BAC-tool - Berechnungshilfe Arbeitsmarktchancen

KodiaK – Kompetenzdiagnostik für Kundenprofile

TrEffeR - Treatment Effect and Prediction

VerBIS (det elektroniske journalsystem, der anvendes ved profilering)

Leena Eskelinen, Jacob Seier Petersen og Iben Bolvig · 2018. 1. 5. · Leena Eskelinen, Jacob...

Documents

Transcript of Leena Eskelinen, Jacob Seier Petersen og Iben Bolvig · 2018. 1. 5. · Leena Eskelinen, Jacob...